鼻咽癌局部复发风险预测方法、模型构建方法、装置、设备及介质制造方法及图纸

技术编号:46594639 阅读:0 留言:0更新日期:2025-10-10 21:27
本申请公开了一种鼻咽癌局部复发风险预测方法、模型构建方法、装置、设备及介质,涉及医学影像处理技术领域,该方法包括:对于每个样本数据中CT影像和放疗计量分布图,均采用无监督线性迭代聚类算法进行亚区域分割;将各样本数据,以及各样本数据对应的CT影像的亚区域子图和放疗计量分布图的亚区域子图作为输入数据,鼻咽癌局部复发结果作为标签数据训练目标模型,得到鼻咽癌局部复发风险预测模型;目标模型用于从CT影像和放疗计量分布图中提取全域特征,通过CT影像的亚区域子图和放疗计量分布图的亚区域子图得到亚区域特征,基于全域特征和亚区域特征进行鼻咽癌局部复发预测,本申请可提高鼻咽癌局部复发预测准确性。

【技术实现步骤摘要】

本申请涉及医学影像处理,特别是涉及一种鼻咽癌局部复发风险预测方法、模型构建方法、装置、设备及介质


技术介绍

1、鼻咽癌作为一种起病隐匿且早期症状特异性差的头颈部恶性肿瘤,患者确诊时多处于疾病中晚期,这给后续治疗带来了诸多困难和挑战。由于鼻咽癌对放化疗敏感,且鼻咽部解剖结构复杂,毗邻诸多重要组织结构,手术难以彻底切除,放射治疗已成为鼻咽癌的首要根治手段。早期疾病通常仅通过单纯放疗即可取得较好疗效,而对于晚期疾病,则需采用放疗联合化疗、靶向治疗或免疫治疗的综合治疗模式。即便如此,部分患者在接受根治性治疗后仍会出现局部复发和/或远端转移,总体预后仍不够理想,严重威胁患者的身心健康。

2、鼻咽癌复发风险的精准评估对于高危人群的个体化治疗决策及预后改善具有极为重要的意义。计算机断层扫描(ct)作为一种重要的影像学检查手段,在鼻咽癌的放疗过程中发挥着多方面的重要作用,贯穿于诊断、治疗计划制定、治疗实施以及疗效评估的全过程。近年来,快速发展的机器学习技术为鼻咽癌复发风险预测研究提供了新思路。研究者们依托计算机自动或半自动地优选肿瘤ct影像特征并输入分类器训本文档来自技高网...

【技术保护点】

1.一种鼻咽癌局部复发风险预测模型构建方法,其特征在于,所述鼻咽癌局部复发风险预测模型构建方法包括:

2.根据权利要求1所述的鼻咽癌局部复发风险预测模型构建方法,其特征在于,所述目标模型包括深度学习特征提取模块、组学特征提取模块和多区域分析模块,所述深度学习特征提取模块和所述组学特征提取模块的输出均与所述多区域分析模块的输入连接;

3.根据权利要求2所述的鼻咽癌局部复发风险预测模型构建方法,其特征在于,所述多区域分析模块包括双门控混合专家模型、全域分支和亚区域分支,所述双门控混合专家模型用于输入全域特征和亚区域特征,所述全域特征包括全域深度特征和全域组学特征,所述...

【技术特征摘要】

1.一种鼻咽癌局部复发风险预测模型构建方法,其特征在于,所述鼻咽癌局部复发风险预测模型构建方法包括:

2.根据权利要求1所述的鼻咽癌局部复发风险预测模型构建方法,其特征在于,所述目标模型包括深度学习特征提取模块、组学特征提取模块和多区域分析模块,所述深度学习特征提取模块和所述组学特征提取模块的输出均与所述多区域分析模块的输入连接;

3.根据权利要求2所述的鼻咽癌局部复发风险预测模型构建方法,其特征在于,所述多区域分析模块包括双门控混合专家模型、全域分支和亚区域分支,所述双门控混合专家模型用于输入全域特征和亚区域特征,所述全域特征包括全域深度特征和全域组学特征,所述亚区域特征包括亚区域深度特征和亚区域组学特征;所述双门控混合专家模型的第一输出端与所述全域分支的输入连接,所述双门控混合专家模型的第二输出端与所述亚区域分支的输入连接;所述全域分支和所述亚区域分支还分别输入所述临床信息,所述全域分支输出的预测概率和所述亚区域分支输出的预测概率进行加权平均,根据加权平均结果确定所述目标模型的输出。

4.根据权利要求2所述的鼻咽癌局部复发风险预测模型构建方法,其特征在于,所述深度学习特征提取模块以swin-transform...

【专利技术属性】
技术研发人员:孙榕胡晨晨彭凡禹
申请(专利权)人:江苏省肿瘤医院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1