【技术实现步骤摘要】
本专利技术实施例涉及机器学习，尤其涉及一种目标模型的构建方法、治疗效果的预测方法以及相关装置。
技术介绍
1、肝动脉化疗栓塞术(transcatheter arterial chemoembolization，tace)是将导管选择性或超选择性插入到肿瘤供血靶动脉后，以适当的速度注入栓塞剂，使靶动脉闭塞，引起肿瘤组织的缺血坏死。使用抗癌药物或药物微球进行栓塞可起到化疗性栓塞的作用。由于肝脏肿瘤的血供大部分来源于肝动脉，肝动脉栓塞后导致肿瘤血供中断或减少，随后肿瘤发生坏死、缩小，达到治疗效果。因此，tace作为中期肝癌患者(肝功能状态良好、无血管浸润、无远处转移的多病灶)的标准治疗方案，其中，传统tace(conventional tace，ctace)是最常见的tace治疗方案。
2、多项实验表明，中期肝细胞癌患者能够从tace中获益，中位生存期可以从19.4个月提高到37个月。但是，tace是一项高度复杂的技术程序，不论在患者选择还是在技术程序、化疗药物、治疗时间间隔和疗程数等方面都充满异质性并且缺乏标准的方法。特别是，中期肝细胞癌的定义过于广泛，包括了大量具有异质性肿瘤负荷和肝功能的患者，导致各个患者的治疗反应和平均生存时间差异明显。鉴于中期肝癌患者之间的巨大差异，有必要确定反映生物异质性的预测因素，以帮助肿瘤医生在治疗前确定哪些患者更有可能从tace中获益，并指导不同疗效组的患者的治疗决策。
3、随着科技的进步与发展，人工智能技术逐渐具备识别数据中潜在模式的能力，并已成功应用于临床医学中，用于从ct
技术实现思路
1、本专利技术实施例提出了一种目标模型的构建方法、治疗效果的预测方法以及相关装置，以解决现有机器学习模型无法全面反应不同病患肿瘤内部的异质性、以及无法作出可解释性的临床预测的问题。
2、第一方面，本专利技术实施例提供了一种目标模型的构建方法，所述目标模型用于预测肝癌患者tace治疗的效果，所述方法包括：
3、获取样本集的临床变量和ct图像，所述样本集为已接受至少一次tace治疗的肝癌患者，ct图像包括所述肝癌患者的肝实质的病灶区域和正常区域；
4、根据所述临床变量中表征tace治疗效果的目标参数和所述ct图像构建目标输入数据；
5、对预设的第一模型基于所述目标输入数据进行模型训练，直到所述第一模型满足预设的收敛条件则确定所述第一模型训练结束，得到第二模型；
6、将预设的可解释性模型与所述第二模型进行结合，得到目标模型。
7、第二方面，本专利技术实施例还提供了一种治疗效果的预测方法，所述预测方法用于预测肝癌患者tace治疗的效果，所述方法包括：
8、获取肝癌患者的临床变量和ct图像，所述肝癌患者为已接受至少一次tace治疗的肝癌患者，ct图像包括所述肝癌患者的肝实质的病灶区域和正常区域；
9、从所述临床变量和所述ct图像中获取得到表征所述肝癌患者tace治疗效果的特征数据；
10、根据如第一方面所述的构建方法确定目标模型；
11、将所述特征数据输入至所述目标模型中，输出针对所述肝癌患者tace治疗效果的预测结果。
12、第三方面，本专利技术实施例还提供了一种构建目标模型的装置，所述装置包括：
13、样本数据获取模块，用于获取样本集的临床变量和ct图像，所述样本集为已接受至少一次tace治疗的肝癌患者，ct图像包括所述肝癌患者的肝实质的病灶区域和正常区域；
14、输入数据构建模块，用于根据所述临床变量中表征tace治疗效果的目标参数和所述ct图像构建目标输入数据；
15、模型训练模块，用于对预设的第一模型基于所述目标输入数据进行模型训练，直到所述第一模型满足预设的收敛条件则确定所述第一模型训练结束，得到第二模型；
16、模型调整模块，用于将预设的可解释性模型与所述第二模型进行结合，得到目标模型。
17、第四方面，本专利技术实施例还提供了一种治疗效果的预测装置，所述预测装置用于预测肝癌患者tace治疗的效果，所述预测装置包括：
18、初始数据获取模块，用于获取肝癌患者的临床变量和ct图像，所述肝癌患者为已接受至少一次tace治疗的肝癌患者，ct图像包括所述肝癌患者的肝实质的病灶区域和正常区域；
19、特征数据获取模块，用于从所述临床变量和所述ct图像中获取得到表征所述肝癌患者tace治疗效果的特征数据；
20、模型确定模块，用于根据如第一方面所述的构建方法确定目标模型；
21、预测模块，用于将所述特征数据输入至所述目标模型中，输出针对所述肝癌患者tace治疗效果的预测结果。
22、第五方面，本专利技术实施例还提供了一种计算机设备，所述计算机设备包括：
23、一个或多个处理器；
24、存储器，用于存储一个或多个程序，
25、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的目标模型的构建方法或者如第二方面所述的治疗效果的预测方法。
26、第六方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的目标模型的构建方法或者如第二方面所述的治疗效果的预测方法。
27、在本申请实施例中，获取样本集的临床变量和ct图像，样本集为已接受至少一次tace治疗的肝癌患者，ct图像包括肝癌患者的肝实质的病灶区域和正常区域；根据临床变量中表征tace治疗效果的目标参数和ct图像构建目标输入数据；对预设的第一模型基于目标输入数据进行模型训练，直到第一模型满足预设的收敛条件则确定第一模型训练结束，得到第二模型；将预设的可解释性模型与第二模型进行结合，得到目标模型。该目标模型包含有可解释性模型和第二模型，第二模型是经过目标输入数据训练得到的，而目标输入数据是经过从样本集中多个肝癌患者的临床变量筛选目标参数并结合ct图像的参数构建得到的，所以第二模型是能够反应肝癌患者的临床数据中潜在的特征指标的模型，并且为了更好的对第二模型的输出结果进行可解释和可视化，将预设的可解释性模型与第二模型进行结合构建目标模型，使得该目标模型在对肝癌患者tace治疗效果的预测上会更具有优势，可以更全面地反应肿瘤内部的异质性并作出必要的临床可解释性。
本文档来自技高网...【技术保护点】
1.一种目标模型的构建方法，所述目标模型用于预测肝癌患者TACE治疗的效果，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述临床变量中表征TACE治疗效果的目标参数和所述CT图像构建目标输入数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述从所述CT图像中获取表征所述病灶区域与正常区域之间强化程度的对比参数,包括：
4.根据权利要求3所述的方法，其特征在于，所述从所述CT图像中获取所述病灶区域与正常区域分别在平扫期、动脉期和门静脉期的多个目标CT值，包括：
5.根据权利要求3或4所述的方法，其特征在于，所述基于所述多个目标CT值计算表征所述病灶区域与正常区域之间强化程度的对比，作为对比参数，包括：
6.根据权利要求1或2或3或4所述的方法，其特征在于，所述对预设的第一模型基于所述目标输入数据进行模型训练，直到所述第一模型满足预设的收敛条件则确定所述第一模型训练结束，得到第二模型，包括：
7.一种治疗效果的预测方法，所述预测方法用于预测肝癌患者TACE治疗的效果，其特
8.一种构建目标模型的装置，其特征在于，包括：
9.一种治疗效果的预测装置，所述预测装置用于预测肝癌患者TACE治疗的效果，其特征在于，所述预测装置包括：
10.一种计算机设备，其特征在于，所述计算机设备包括：
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的目标模型的构建方法或者如权利要求7中所述的治疗效果的预测方法。
...【技术特征摘要】
1.一种目标模型的构建方法，所述目标模型用于预测肝癌患者tace治疗的效果，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述临床变量中表征tace治疗效果的目标参数和所述ct图像构建目标输入数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述从所述ct图像中获取表征所述病灶区域与正常区域之间强化程度的对比参数,包括：
4.根据权利要求3所述的方法，其特征在于，所述从所述ct图像中获取所述病灶区域与正常区域分别在平扫期、动脉期和门静脉期的多个目标ct值，包括：
5.根据权利要求3或4所述的方法，其特征在于，所述基于所述多个目标ct值计算表征所述病灶区域与正常区域之间强化程度的对比，作为对比参数，包括：
6.根据权利要求1或2或3或4所...
【专利技术属性】
技术研发人员：张璐，金哲，马晓，张斌，张水兴，
申请(专利权)人：暨南大学附属第一医院广州华侨医院，
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。