申请/专利权人：河北大学

申请日：2023-09-19

公开（公告）日：2023-12-22

公开（公告）号：CN117274184A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06V10/764;G06V10/77;G06V10/774;G06V10/82;G06N3/0464;G06N3/0499;G06N3/084;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.09#实质审查的生效;2023.12.22#公开

摘要：本发明涉及一种针对肾癌PET‑CT图像的预测ki‑67表达方法，包括以下步骤：S1、构建样本数据集；S2、构建ki‑67表达分类算法模型；S3、利用内部测试集对ki‑67表达分类算法模型进行测试；S4、利用外部验证集对ki‑67表达分类算法模型进行验证。本发明通过在MV2模块中加入SE注意力机制以关注更重要的特征信息，在transformer模块中使用轻量级多头自注意力模块和反向残差前馈网络模块，在轻量级多头自注意力模块使用深度卷积计算key和value，从而得以减少计算开销，反向残差前馈网络模块可以更精细地提取每个通道的特征信息、降低训练难度和提高模型分类准确度。本发明可用于通过肾癌PET‑CT影像数据在术前无创预测ki‑67表达情况，有助于对患者治疗的预后情况进行评估。

主权项：1.一种针对肾癌PET-CT图像的预测ki-67表达方法，其特征是，包括以下步骤：S1、构建样本数据集：收集肾癌四期PET-CT扫描图像样本，标注出样本图像中的目标肿瘤区域，生成json格式文件，然后裁剪出其中的目标肿瘤区域，将裁剪出的图像调整为224×224像素的大小，形成样本数据；将肾癌各期的样本数据归为对应期的样本数据集，每期的样本数据集中的样本数据按照4:1的比例分为训练集和内部测试集，并从收集到的肾癌四期PET-CT影像样本中选择若干样本数据作为外部验证集；S2、构建ki-67表达分类算法模型，利用ki-67表达分类算法模型对输入的训练集的样本数据分别做出其ki-67表达是阴性还是阳性的输出结果，并根据输出结果的阴性或阳性，对样本数据进行分类；S3、利用内部测试集对ki-67表达分类算法模型进行测试：采用分类准确率、精确率、召回率、F1分数、受试者工作曲线的面积、混淆矩阵来评价ki-67表达分类算法模型在内部测试集上的性能，并对训练过程的超参数进行调整，以获得表现最优的模型；S4、利用外部验证集对ki-67表达分类算法模型进行验证：利用外部验证集的样本数据作为测试样本，验证该模型实现ki-67表达分类的准确率、查全率、精确率、ROC曲线等相关指标，分析该模型在不同时期数据上所表现的分类差异，并对训练过程的超参数进行调整，以得到表现最优的模型。

全文数据：

权利要求：

百度查询： 河北大学 一种针对肾癌PET-CT图像的预测ki-67表达方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD