【技术实现步骤摘要】
本专利技术涉及膀胱癌辅助诊断，尤其涉及一种基于深度学习的膀胱癌基因突变预测系统。
技术介绍
1、膀胱癌是最常见的泌尿系统恶性肿瘤，膀胱癌在全球最常见的肿瘤中位列第九[pmid]36633525[pmid]33433946。占我国泌尿生殖系肿瘤发病率的第一位，而在西方其发病率仅次于前列腺癌，居第2位。2020年全球估计有573275例新发病例和212536死亡病例[pmid]33538338。
2、膀胱癌的病理类型包括尿路上皮癌、鳞状细胞癌、腺癌，其他少见的还有膀胱透明细胞癌、膀胱小细胞癌、膀胱类癌，其中最常见的是膀胱尿路上皮癌，约占膀胱癌患者总数的90％以上。病理诊断目前仍然是膀胱癌确诊的金标准，但传统病理诊断严重依赖于病理医生的专业知识和诊断经验，病理医生的主观性导致了诊断不一致性。同时单纯的基于组织形态的定性的诊断，无法满足患者精准化、个体化治疗的需求。
技术实现思路
1、针对现有技术的不足，本专利技术提供一种基于深度学习的膀胱癌基因突变预测系统，用于解决上述问题。
...【技术保护点】
1.一种基于深度学习的膀胱癌基因突变预测系统，其特征在于，包括：组织病理学图像采集模块，用于采集原始待测组织病理学图像；预处理模块，用于采用HE染色法和全玻片成像扫描仪对原始待测组织病理学图像进行预处理，得到具备HE染色膀胱组织的WSI；云服务端模块，用于调用膀胱癌深度学习预测模型对WSI分别进行膀胱癌基因表达状态预测、膀胱癌基因甲基化状态预测和膀胱癌基因突变状态预测，生成对应预测结果；报告生成模块，用于根据对应预测结果自动生成膀胱癌基因突变预测辅助诊断报告，并反馈至指定终端。
2.根据权利要求1所述的一种基于深度学习的膀胱癌基因突变预测系统，其特征在于，...
【技术特征摘要】
1.一种基于深度学习的膀胱癌基因突变预测系统，其特征在于，包括：组织病理学图像采集模块，用于采集原始待测组织病理学图像；预处理模块，用于采用he染色法和全玻片成像扫描仪对原始待测组织病理学图像进行预处理，得到具备he染色膀胱组织的wsi；云服务端模块，用于调用膀胱癌深度学习预测模型对wsi分别进行膀胱癌基因表达状态预测、膀胱癌基因甲基化状态预测和膀胱癌基因突变状态预测，生成对应预测结果；报告生成模块，用于根据对应预测结果自动生成膀胱癌基因突变预测辅助诊断报告，并反馈至指定终端。
2.根据权利要求1所述的一种基于深度学习的膀胱癌基因突变预测系统，其特征在于，组织病理学图像采集模块与预设泌尿系统图像采集设备连接，用于获取预设泌尿系统图像采集设备采集的原始待测组织病理学图像。
3.根据权利要求1所述的一种基于深度学习的膀胱癌基因突变预测系统，其特征在于，预处理模块执行包括如下操作：根据he染色法，对待测膀胱组织进行染色，得到he染色膀胱组织；根据经过he染色法染色后的原始待测组织病理学图像，采用全玻片成像扫描仪得到具备he染色膀胱组织的wsi。
4.根据权利要求1所述的一种基于深度学习的膀胱癌基因突变预测系统，其特征在于，膀胱癌深度学习预测模型的训练过程包括如下步骤：获取训练样本；构建基于卷积神经网络的深度学习框架，根据训练样本对深度学习框架进行训练，直至满足预设条件结束训练，生成膀胱癌深度学习预测模型。
5.根据权利要求4所述的一种基于深度学习的膀胱癌基因突变预测系统，其特征在于，获取训练样本包括：获取公开tcga中的若干he染色膀胱组织的训练wsi；对训练wsi进行标签标记，并过滤训练wsi，得到若干只保留了具有基因表达、基因甲基化和基因突变标签的wsi图像；对若干wsi图像进行划分，得到验证wsi集、训练wsi集和测试wsi集；基于400倍放大倍数，对所有wsi集进行320×320像素的图像块划分，并过滤背景，得到第二验证wsi集、第二训练wsi集和第二测试wsi集；其中，所有wsi集包括验证wsi集、训练wsi集和测试wsi集。
6.根据权利要求5所述的一种基于深度学习的膀胱癌基因突变预测系统，其特征在于，还包括采用两阶段预分析方法加速训练过程，一阶段加速过程包括：基于100倍放大倍数，对所有wsi集进行320×320像素的图像块划分，并过滤背景，得到第三验证wsi集、第三训练wsi集和第三测试wsi集用于构建分析数据集；采用在imagenet上预训练的restnet-50模型将分析数据集中每个图像块转换为一个2048维的向量作为特征提取器；其中，所有wsi集包括验证wsi集、训练wsi集和测试wsi集。
7.根据权利要求6所述的一种基于深度学习的膀胱癌基因突变预测系统，其特征在于，二阶段加速过程包括：采用k折交叉验证法中的3折交叉验证法评估在特征向量上训练的xgboost的性能，得到评估结果；其中，在每个折叠中，...
【专利技术属性】
技术研发人员：王书浩，
申请(专利权)人：北京透彻未来科技有限公司，
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。