【技术实现步骤摘要】
本专利技术属于医学图像处理，具体涉及一种肿瘤生存分析方法及系统。
技术介绍
1、肝细胞癌(hcc)是一种常见的恶性肿瘤，严重威胁人类健康。hcc的发生发展与多种因素有关，包括肝炎病毒感染、代谢紊乱、遗传变异、肿瘤微环境等。hcc的诊断和治疗仍然面临着巨大的挑战，尤其是对于中晚期的患者，预后十分不佳。因此提高hcc的早期诊断和个体化治疗水平，是当前肿瘤研究的热点和难点。
2、目前，肿瘤生存分析的方法主要有两类：传统的生存分析方法和基于机器学习的生存分析方法。传统的生存分析方法，如cox比例风险模型、kaplan-meier生存曲线等，主要基于患者的临床数据和基因数据，忽略了肿瘤的影像数据。而肿瘤的影像数据，如ct、mri、pet等，可以反映肿瘤的形态、结构、功能和代谢等特征，对于肿瘤的诊断和分期具有重要的价值。
3、基于机器学习的生存分析方法，利用人工智能技术，如深度学习、自然语言处理、计算机视觉等，对患者的临床数据、基因数据和影像数据进行综合分析，构建更复杂和更高维的生存分析模型。这些方法可以克服传统方法的局限性，提取更多的信息和特征，发现更深层次的规律和关联，提高生存分析的性能和效率。然而，基于机器学习的生存分析方法也存在一些问题，如数据的质量和数量、模型的稳定性和泛化性、结果的可解释性和可信度等，需要进一步的研究和改进。
4、因此，如何将肿瘤的影像数据纳入生存分析的模型，提高生存分析的准确性和可解释性，是一个亟待解决的问题。
技术实现思路
1
2、本专利技术提供一种肿瘤生存分析方法，所述方法包括：
3、步骤s1：获取肿瘤图像、临床数据和基因数据；
4、步骤s2：构建肿瘤分割模型，得到肿瘤分割图像；
5、步骤s3：提取所述肿瘤分割图像特征，得到图像信息；
6、步骤s4：根据所述图像信息、所述临床数据和所述基因数据构建生存分析模型；
7、步骤s5：应用所述生存分析模型，预测患者生存期。
8、可选地，所述构建肿瘤分割模型，得到肿瘤分割图像，具体包括：
9、将所述肿瘤图像输入到第一标准卷积模块进行标准卷积操作，得到特征图z2；将所述特征图z2输入到第一编码模块进行编码操作，依次输出特征图z25和特征图z26；
10、将所述特征图z26输入到第二标准卷积模块进行标准卷积操作，得到特征图z28；将所述特征图z28输入到第二编码模块进行编码操作，依次输出特征图z51和特征图z52；
11、将所述特征图z52输入到第三标准卷积模块进行标准卷积操作，得到特征图z54；将所述特征图z54输入到第三编码模块进行编码操作，依次输出特征图z77和特征图z78；
12、将所述特征图z78输入到第四标准卷积模块进行标准卷积操作，得到特征图z80；将所述特征图z80输入到第四编码模块进行编码操作，依次输出特征图z103和特征图z104；
13、将所述特征图z104输入到第五标准卷积模块进行标准卷积操作，得到特征图z106；
14、将所述特征图z106输入到第一上采样层进行上采样操作，得到特征图z107；将所述特征图z103和所述特征图z107输入到第五张量拼接层进行张量拼接操作，得到特征图z108；将所述特征图z108输入到第六标准卷积模块进行标准卷积操作，得到特征图z110；
15、将所述特征图z110输入到第二上采样层进行上采样操作，得到特征图z111；将所述特征图z77和所述特征图z111输入到第六张量拼接层进行张量拼接操作，得到特征图z112；将所述特征图z112输入到第七标准卷积模块进行标准卷积操作，得到特征图z114；
16、将所述特征图z114输入到第三上采样层进行上采样操作，得到特征图z115；将所述特征图z51和所述特征图z115输入到第七张量拼接层进行张量拼接操作，得到特征图z116；将所述特征图z116输入到第八标准卷积模块进行标准卷积操作，得到特征图z118；
17、将所述特征图z118输入到第四上采样层进行上采样操作，得到特征图z119；将所述特征图z25和所述特征图z119输入到第八张量拼接层进行张量拼接操作，得到特征图z120；将所述特征图z120输入到第九标准卷积模块进行标准卷积操作，得到特征图z122；
18、将所述特征图z122依次输入到第二十六标准卷积层和所述第九激活函数层进行卷积和激活操作，输出肿瘤分割图像。
19、可选地，所述将所述特征图z2输入到第一编码模块进行编码操作，依次输出特征图z25和特征图z26，具体包括：
20、将所述第一编码输入层z2依次输入到所述第二标准卷积层和所述第二规范化激活层进行卷积操作和批规范化操作，得到特征图z4；将所述特征图z4依次输入到所述第三标准卷积层和所述第三规范化激活层进行卷积操作和批规范化操作，得到特征图z6；将所述第一编码输入层z2依次输入到所述第四标准卷积层进行卷积操作，得到特征图z7；将所述特征图z6和所述特征图z7输入到所述第一元素相加层进行元素相加操作，得到特征图z8；
21、将所述特征图z8输入到所述第一全局平均池化层进行全局平均池化操作，得到特征图z9；将所述特征图z9输入到所述第一全连接激活层进行全连接操作和激活操作，得到特征图z10；将所述特征图z10输入到所述第一全连接层进行全连接操作，得到特征图z11；将所述特征图z8输入到所述第一全局最大池化层进行全局最大池化操作，得到特征图z12；将所述特征图z12输入到所述第二全连接激活层进行全连接操作和激活操作，得到特征图z13；将所述特征图z13输入到所述第二全连接层进行全连接操作，得到特征图z14；将所述特征图z11和所述特征图z14输入到所述第二元素相加层进行元素相加操作，得到特征图z15；将所述特征图z15输入到所述第一激活函数层进行激活操作，得到特征图z16；将所述特征图z16输入到所述第一形状重塑层进行形状重塑操作，得到特征图z17；将所述特征图z8和所述特征图z17输入到所述第一元素相乘层进行元素相乘操作，得到特征图z18；
22、将所述特征图z18输入到所述第一最大池化层进行最大池化操作，得到特征图z19；将所述特征图z18输入到所述第一平均池化层进行平均池化操作，得到特征图z20；将所述特征图z19和所述特征图z20输入到所述第一张量拼接层进行张量拼接操作，得到特征图z21；将所述特征图z21输入到所述第五标准卷积层进行标准卷积操作，得到特征图z22；将所述特征图z22输入到所述第二激活函数层进行激活操作，得到特征图z23；将所述特征图z18和所述特征图z23输入到所述第二元素相乘层进行元素相乘操作，得到特征图z24；
<本文档来自技高网...【技术保护点】
1.一种肿瘤生存分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种肿瘤生存分析方法，其特征在于，所述构建肿瘤分割模型，得到肿瘤分割图像，具体包括：
3.根据权利要求2所述的一种肿瘤生存分析方法，其特征在于，所述将所述特征图Z2输入到所述第一编码模块进行编码操作，依次输出特征图Z25和特征图Z26，具体包括：
4.根据权利要求3所述的一种肿瘤生存分析方法，其特征在于，所述第一自定义注意力模块，具体包括：
5.根据权利要求1所述的一种肿瘤生存分析方法，其特征在于，所述构建生存分析模型，具体表示为：
6.一种肿瘤生存分析系统，其特征在于，所述系统包括：
7.根据权利要求6所述的一种肿瘤生存分析系统，其特征在于，所述肿瘤分割模型构建模块，具体包括：
8.根据权利要求7所述的一种肿瘤生存分析系统，其特征在于，所述第一编码模块子模块，具体包括：
9.根据权利要求8所述的一种肿瘤生存分析系统，其特征在于，所述第一自定义注意力单元，具体包括：
10.根据权利要求6所述的一种
...【技术特征摘要】
1.一种肿瘤生存分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种肿瘤生存分析方法，其特征在于，所述构建肿瘤分割模型，得到肿瘤分割图像，具体包括：
3.根据权利要求2所述的一种肿瘤生存分析方法，其特征在于，所述将所述特征图z2输入到所述第一编码模块进行编码操作，依次输出特征图z25和特征图z26，具体包括：
4.根据权利要求3所述的一种肿瘤生存分析方法，其特征在于，所述第一自定义注意力模块，具体包括：
5.根据权利要求1所述的一种肿瘤生存分析方法，其特征在于，所...
【专利技术属性】
技术研发人员：林献，林霖萍，陈晓，
申请(专利权)人：北京大学深圳医院北京大学深圳临床医学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。