System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于肿瘤预后评估,具体涉及一种三阴性乳腺癌患者的生存预后系统及存储介质。
技术介绍
1、三阴性乳腺癌(triple-negative breast cancer,tnbc)是由雌激素受体、孕激素受体和人表皮生长因子受体-2阴性表达定义的乳腺癌亚型,约占乳腺癌的15-20%。tnbc更具侵略性的生物学行为,其预后往往比其他亚型更差,且复发、转移性疾病的风险更高,生存结果更差,tnbc患者转移性疾病的中位生存期约为13-18个月。由于tnbc多具有侵略性和预后不利的结果,对其的有效治疗仍然是一个临床挑战,因此,如果能对tnbc患者进行准确的长期生存预测,将有助于患者的个性化管理。
2、超声图像已被广泛用于评估乳腺癌,在临床实践中很容易获得且没有辐射。许多研究都在探索其对乳腺癌的预后价值。有一些报道称,超声图像上肿瘤的垂直方向与tnbc患者的无复发生存率较差和腋窝淋巴结转移有较多相关性。其他研究显示,超声图像上的后方声学增强、局部皮肤水肿、圆形或椭圆形、周缘与tnbc不利的预后结果有相关性。然而,单纯的超声科医生对超声图像的解读主要依赖于浅层表征,忽略了图像衍生的更重要的信息,如影像组学特征等;并且目前基于机器学习的临床因素和图像特征融合的技术在预后预测方面表现出不俗的性能,而目前尚缺少在tnbc长期生存中的该类研究技术。
3、目前,已有一些现有技术(例如:cn115546087a乳腺癌分子分型的影像组学模型、构建方法、介质及装置)尝试采用影像组学特征对乳腺癌进行分型和预后等预测任务。然而,这些任务所
技术实现思路
1、针对现有技术的问题,本专利技术提供一种三阴性乳腺癌患者的生存预后系统及存储介质,融合了临床因素和超声影像组学特征,可以实现准确的三阴性乳腺癌患者五年生存预后预测。
2、一种三阴性乳腺癌患者的生存预后系统,所述系统包括由临床评分和影像评分构建的列线图模型,其中,所述临床评分是采用第一机器学习模型对患者临床变量进行评分得到的,所述影像评分是采用第二机器学习模型对超声影像学变量进行评分得到的。
3、优选的,所述患者临床变量包括如下变量中的至少一种:年龄、ki-67表达、身高、肿瘤大小、体重、病理n分级、是否对侧乳房异常。
4、优选的,所述患者临床变量包括:年龄、ki-67表达、身高、肿瘤大小、体重、病理n分级、是否对侧乳房异常。
5、优选的,所述超声影像学变量包括如下变量中的至少一种:偏斜程度、能量、最小值、10百分比、imc2、聚类阴影、区域偏差、相关性、对比度、四分位差。
6、优选的,所述超声影像学变量包括如下变量:偏斜程度、能量、最小值、10百分比、imc2、聚类阴影、区域偏差、相关性、对比度、四分位差。
7、优选的,所述第一机器学习模型和第二机器学习模型的算法分别独立选自支持向量机。
8、优选的,所述列线图模型中,计算患者的五年生存预后分值的公式为:
9、五年生存预后分值=6.7144-6.7178×临床评分-8.1680×影像评分;
10、其中,所述五年生存预后分值以0.7为截断值,当评分高于0.7时为预后较好患者,当评分低于0.7时为预后较差患者。
11、优选的,所述列线图模型包括五行,其中:
12、第一行为分值尺度,范围是0-100;
13、第二行为临床评分;第三行为影像评分;所述临床评分和影像评分通过映射到第一行的分值尺度上,并相加得到生存率总得分;
14、第四行为总得分尺度,范围是0-200,根据所述总得分计算最终的五年生存率程度;
15、第五行为预测五年生存预后分值。
16、优选的,包括:
17、数据存储模块,用于获取和存储患者临床变量和超声影像学变量;
18、评分计算模块,用于计算所述临床评分和影像评分;
19、列线图模块,集成有所述列线图模型,用于将所述临床评分和影像评分输入所述列线图模型,实现五年生存预后分值的计算。
20、本专利技术还提供一种计算机可读存储介质,其上存储有用于实现上述三阴性乳腺癌患者的生存预后系统的计算机程序。
21、本专利技术中,所述“五年生存预后分值”即为预测五年生存率,取值为0-1,该数值越大表明存活率越高。
22、本专利技术基于列线图模型,通过对输入特征的优选,实现了基于临床信息和超声图像的三阴性乳腺癌患者的五年生存预测评估,能够对三阴性乳腺癌患者的长期生存实现准确、无创的诊断,能够满足临床的应用需求,可以帮助解决医生进行治疗决策参考和患者的个性化管理。考虑到列线图模型的使用成本相对更低,且对患者更为安全,因此,本专利技术具有很好的应用前景。
23、显然,根据本专利技术的上述内容,按照本领域的普通技术知识和惯用手段,在不脱离本专利技术上述基本技术思想前提下,还可以做出其它多种形式的修改、替换或变更。
24、以下通过实施例形式的具体实施方式,对本专利技术的上述内容再作进一步的详细说明。但不应将此理解为本专利技术上述主题的范围仅限于以下的实例。凡基于本专利技术上述内容所实现的技术均属于本专利技术的范围。
本文档来自技高网...【技术保护点】
1.一种三阴性乳腺癌患者的生存预后系统,其特征在于:所述系统包括由临床评分和影像评分构建的列线图模型,其中,所述临床评分是采用第一机器学习模型对患者临床变量进行评分得到的,所述影像评分是采用第二机器学习模型对超声影像学变量进行评分得到的。
2.按照权利要求1所述的三阴性乳腺癌患者的生存预后系统,其特征在于:所述患者临床变量包括如下变量中的至少一种:年龄、Ki-67表达、身高、肿瘤大小、体重、病理N分级、是否对侧乳房异常。
3.按照权利要求2所述的三阴性乳腺癌患者的生存预后系统,其特征在于:所述患者临床变量包括:年龄、Ki-67表达、身高、肿瘤大小、体重、病理N分级、是否对侧乳房异常。
4.按照权利要求1所述的三阴性乳腺癌患者的生存预后系统,其特征在于:所述超声影像学变量包括如下变量中的至少一种:偏斜程度、能量、最小值、10百分比、Imc2、聚类阴影、区域偏差、相关性、对比度、四分位差。
5.按照权利要求4所述的三阴性乳腺癌患者的生存预后系统,其特征在于:所述超声影像学变量包括如下变量:偏斜程度、能量、最小值、10百分比、Imc2、聚
6.按照权利要求1所述的三阴性乳腺癌患者的生存预后系统,其特征在于:所述第一机器学习模型和第二机器学习模型的算法分别独立选自支持向量机。
7.按照权利要求1所述的三阴性乳腺癌患者的生存预后系统,其特征在于:所述列线图模型中,计算患者的五年生存预后分值的公式为:
8.按照权利要求1所述的三阴性乳腺癌患者的生存预后系统,其特征在于:所述列线图模型包括五行,其中:
9.按照权利要求1所述的三阴性乳腺癌患者的生存预后系统,其特征在于:包括:
10.一种计算机可读存储介质,其特征在于:其上存储有用于实现权利要求1-9任一项所述的三阴性乳腺癌患者的生存预后系统的计算机程序。
...【技术特征摘要】
1.一种三阴性乳腺癌患者的生存预后系统,其特征在于:所述系统包括由临床评分和影像评分构建的列线图模型,其中,所述临床评分是采用第一机器学习模型对患者临床变量进行评分得到的,所述影像评分是采用第二机器学习模型对超声影像学变量进行评分得到的。
2.按照权利要求1所述的三阴性乳腺癌患者的生存预后系统,其特征在于:所述患者临床变量包括如下变量中的至少一种:年龄、ki-67表达、身高、肿瘤大小、体重、病理n分级、是否对侧乳房异常。
3.按照权利要求2所述的三阴性乳腺癌患者的生存预后系统,其特征在于:所述患者临床变量包括:年龄、ki-67表达、身高、肿瘤大小、体重、病理n分级、是否对侧乳房异常。
4.按照权利要求1所述的三阴性乳腺癌患者的生存预后系统,其特征在于:所述超声影像学变量包括如下变量中的至少一种:偏斜程度、能量、最小值、10百分比、imc2、聚类阴影、区域偏差、相关性、对比度、四分位差。<...
【专利技术属性】
技术研发人员:孙淼,姜泽坤,侯峻枫,孟思睿,
申请(专利权)人:华西精创医疗科技成都有限公司,
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。