肿瘤复发的预测方法、系统、设备及介质与流程

本发明涉及肿瘤复发预测，尤其涉及一种肿瘤复发的预测方法、系统、设备及介质。

背景技术：

1、针对多种类型肿瘤，放射疗法为主要的治疗策略。但部分接受放疗治疗数年后，仍然存在复发情况，其中一个原因与肿瘤内部的状态相关。医学影像能够在很大程度上反映肿瘤整体和内部的状态，由于肉眼无法直接观测到肿瘤内部的状态的问题所在，所以基于计算机技术进行肿瘤信息的分析显得尤为重要。

2、针对肿瘤复发的问题，可以通过医学影像探究和预测病人治疗后是否会复发，也可以通过深度学习的方法对医学影像中可能复发的区域进行标注，从而引导医生做出正确的治疗决策。但是，上述方法对肿瘤复发转移风险预测的周期性长，且精准度不佳。

技术实现思路

1、本发明要解决的技术问题是为了克服现有技术中对肿瘤复发预测的效率差且准确性低的缺陷，提供一种肿瘤复发的预测方法、系统、设备及介质。

2、本发明是通过下述技术方案来解决上述技术问题：

3、第一方面，本发明提供一种肿瘤复发的预测方法，包括：

4、获取患者治疗前的医学影像；所述医学影像包括肿瘤靶区；

5、从所述医学影像中提取影像特征；

6、将所述医学影像和所述影像特征输入肿瘤复发预测模型，预测所述肿瘤靶区是否复发，并对复发区域进行分割；所述肿瘤复发预测模型包括主网络模型和辅助网络模型，所述辅助网络模型的输出作为辅助特征参与所述主网络模型的肿瘤复发预测。

7、较佳地，所述主网络模型包括第一网络结构和第二网络结构，所述辅助网络模型的输出作为辅助特征参与所述主网络模型以进行肿瘤复发预测，包括：

8、以所述影像特征作为所述辅助网络模型的输入，将所述辅助网络模型的输出转化为所述辅助特征；

9、以所述医学影像作为所述第一网络结构的输入，将所述第一网络结构的输出与所述辅助特征进行融合，生成融合特征并输出所述肿瘤靶区是否复发。

10、较佳地，所述辅助网络模型的输出作为辅助特征参与所述主网络模型以进行肿瘤复发预测，还包括：

11、将所述融合特征输入所述第二网络结构，输出所述复发区域的分割结果。

12、较佳地，在利用所述肿瘤复发预测模型对所述医学影像进行肿瘤复发预测之前，所述预测方法通过以下步骤训练得到所述肿瘤复发预测模型：

13、获取第一样本集；所述第一样本集中每一样本包括患者的医学影像及其对应的分割标签和分类标签，以及从所述医学影像中提取的影像特征，所述医学影像包括肿瘤靶区，所述肿瘤靶区包括复发区域和/或非复发区域；

14、根据训练好的辅助网络模型、第一网络结构和第二网络结构构建初始肿瘤复发预测模型；

15、基于所述第一样本集对所述初始肿瘤复发模型进行训练，获得训练好的所述肿瘤复发预测模型。

16、较佳地，在采用训练好的辅助模型对所述初始肿瘤复发模型进行构建之前包括，所述预测方法通过以下步骤训练得到所述训练好的辅助网络模型：

17、获取第二样本集；所述第二样本集中每一样本包括复发和/或非复发区域的影像特征及其分类标签；

18、构建初始辅助网络模型；

19、基于所述第二样本集对所述初始辅助网络模型进行训练，获得所述训练好的辅助网络模型。

20、较佳地，所述将所述医学影像和所述影像特征输入肿瘤复发预测模型的步骤之前，包括：

21、对所述影像特征进行特征筛选，将筛选后的所述影像特征输入所述辅助网络模型。

22、较佳地，所述医学影像包括单模态影像或多模态影像。

23、第二方面，本发明提供一种肿瘤复发的预测系统，包括：

24、获取模块，用于获取患者治疗前的医学影像；所述医学影像包括肿瘤靶区；

25、提取模块，用于从所述医学影像中提取影像特征；

26、预测模块，用于将所述医学影像和所述影像特征输入肿瘤复发预测模型，预测所述肿瘤靶区是否复发，并对复发区域进行分割；所述肿瘤复发预测模型包括主网络模型和辅助网络模型，所述辅助网络模型的输出作为辅助特征参与所述主网络模型的肿瘤复发预测。

27、第三方面，本发明提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实时如上所述的肿瘤复发的预测方法。

28、第四方面，本发明提供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的计算机程序，所述计算机程序被处理器执行时实现如上所述的肿瘤复发的预测方法。

29、本发明的积极进步效果在于：获取患者治疗前的医学影像，从医学影像中提取影像特征；将医学影像和影像特征输入肿瘤复发预测模型，预测肿瘤靶区是否复发，并对复发区域进行分割。本发明基于深度学习分析治疗前的医学影像和融合特征，将模型更多的关注于具有特定特征的图像区域，增加肿瘤复发区域分割的准确性；将医学影像的影像特征输入辅助网络模型中，再将辅助网络模型的输出输入主网络模型中，从而辅助主网络模型获得更好的预测效果；主网络模型和辅助网络模型构成的多任务网络实现了患者的肿瘤靶区是否复发的分类和复发患者的肿瘤复发区域位置的判断，层层深入且相辅相成。

技术特征：

1.一种肿瘤复发的预测方法，其特征在于，包括：

2.如权利要求1所述的肿瘤复发的预测方法，其特征在于，所述主网络模型包括第一网络结构和第二网络结构，所述辅助网络模型的输出作为辅助特征参与所述主网络模型以进行肿瘤复发预测，包括：

3.如权利要求2所述的肿瘤复发的预测方法，其特征在于，所述辅助网络模型的输出作为辅助特征参与所述主网络模型以进行肿瘤复发预测，还包括：

4.如权利要求3所述的肿瘤复发的预测方法，其特征在于，在利用所述肿瘤复发预测模型对所述医学影像进行肿瘤复发预测之前，所述预测方法通过以下步骤训练得到所述肿瘤复发预测模型：

5.如权利要求4所述的肿瘤复发的预测方法，其特征在于，在采用训练好的辅助网络模型对所述初始肿瘤复发模型进行构建之前包括，所述预测方法通过以下步骤训练得到所述训练好的辅助网络模型：

6.如权利要求1所述的肿瘤复发的预测方法，其特征在于，所述将所述医学影像和所述影像特征输入肿瘤复发预测模型的步骤之前，包括：

7.如权利要求1所述的肿瘤复发的预测方法，其特征在于，所述医学影像包括单模态影像或多模态影像。

8.一种肿瘤复发的预测系统，其特征在于，包括：

9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实时如权利要求1-7所述的肿瘤复发的预测方法。

10.一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1-7所述的肿瘤复发的预测方法。

技术总结本发明公开了一种肿瘤复发的预测方法、系统、设备及介质，该预测方法包括：获取患者治疗前的医学影像；从医学影像中提取影像特征；将医学影像和影像特征输入肿瘤复发预测模型，预测肿瘤靶区是否复发，并对复发区域进行分割。本发明基于深度学习分析治疗前的医学影像和融合特征，将模型更多的关注于具有特定特征的图像区域，增加肿瘤复发区域分割的准确性；将医学影像的影像特征输入辅助网络模型中，再将辅助网络模型的输出输入主网络模型中，从而辅助主网络模型获得更好的预测效果；主网络模型和辅助网络模型构成的多任务网络实现了患者的肿瘤靶区是否复发的分类和复发患者的肿瘤复发区域位置的判断，层层深入且相辅相成。技术研发人员：莫梓杰受保护的技术使用者：深圳市联影高端医疗装备创新研究院技术研发日：技术公布日：2024/6/11