申请/专利权人:上海健康医学院;上海理工大学
申请日:2020-09-24
公开(公告)日:2021-01-05
公开(公告)号:CN112184658A
主分类号:G06T7/00(20170101)
分类号:G06T7/00(20170101);G06K9/32(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2023.11.24#授权;2021.01.22#实质审查的生效;2021.01.05#公开
摘要:本发明涉及一种用于非小细胞肺癌预后生存预测的方法、介质及电子设备,所述方法包括:获取待预测CT影像,对该待预测CT影像进行灰度归一化处理,并提取感兴趣区域;基于所述感兴趣区域,采用训练好的基于深度学习的预后生存模型预测获得对应的预后生存期分类结果;所述基于深度学习的预后生存模型为深度学习卷积神经网络模型,包括5个卷积块、1个全连接层和1个分类层,逐层提取肿瘤抽象特征,并获得预后生存期分类结果,所述5个卷积块中,中间3个卷积块引入有Bottleneck架构,最后一个卷积块在Bottleneck架构的基础上添加有融合层。与现有技术相比,本发明具有预测精度高且方便实现等优点。
主权项:1.一种用于非小细胞肺癌预后生存预测的方法,其特征在于,该方法包括以下步骤:获取待预测CT影像,对该待预测CT影像进行灰度归一化处理,并提取感兴趣区域;基于所述感兴趣区域,采用训练好的基于深度学习的预后生存模型预测获得对应的预后生存期分类结果;所述基于深度学习的预后生存模型为深度学习卷积神经网络模型,包括5个卷积块、1个全连接层和1个分类层,逐层提取肿瘤抽象特征,并获得预后生存期分类结果,所述5个卷积块中,中间3个卷积块引入有Bottleneck架构,最后一个卷积块在Bottleneck架构的基础上添加有融合层。
全文数据:
权利要求:
百度查询: 上海健康医学院;上海理工大学 用于非小细胞肺癌预后生存预测的方法、介质及电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。