申请/专利权人：厦门大学

申请日：2022-02-17

公开（公告）日：2024-01-26

公开（公告）号：CN114463320B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/26;G06V10/774;G06V10/82;G06V10/80;G06V10/764;G06N3/045;G06N3/0464;G06N3/0475;G06N3/094;G06N3/084;G06N3/088;G06N3/096

优先权：

专利状态码：有效-授权

法律状态：2024.01.26#授权;2022.05.27#实质审查的生效;2022.05.10#公开

摘要：本发明涉及图像分割及检测技术领域，具体涉及一种磁共振成像脑胶质瘤IDH基因预测方法及系统，该方法包括：构建脑胶质瘤区域预测网络；预测网络包括生成网络、判别网络和分割网络；生成网络用于源域数据集和目标域数据集域间的自适应转换；基于损失目标函数采用源域和目标域数据集训练预测网络；损失目标函数根据对抗损失、循环一致性损失、分割损失和分割一致性损失确定；采用训练好的脑胶质瘤区域预测网络对待预测磁共振图像进行脑胶质瘤区域分割；分别采用放射组学和深度神经网络提取分割后的脑胶质瘤区域组学特征和深度特征；将组学特征和深度特征结合作为随机森林算法的输入，输出IDH基因型的分类。本发明提高了基因型预测的鲁棒性。

主权项：1.一种磁共振成像脑胶质瘤IDH基因预测方法，其特征在于，包括：获取源域数据集和目标域数据集，所述源域数据集中图像为有标签的磁共振图像，所述目标域数据集中图像为无标签的磁共振图像；构建脑胶质瘤区域预测网络；所述脑胶质瘤区域预测网络包括生成网络、判别网络和分割网络；所述生成网络用于源域数据集和目标域数据集域间的自适应相互转换，所述生成网络包括第一生成器和第二生成器，第一生成器和第二生成器互呈双向循环结构；所述判别网络包括第一判别器和第二判别器，所述第一判别器和所述第一生成器组成第一生成对抗网络，所述第二判别器和所述第二生成器组成第二生成对抗网络；所述分割网络用于对输入图像进行脑胶质瘤区域分割；基于损失目标函数，采用所述源域数据集和所述目标域数据集训练所述脑胶质瘤区域预测网络，获得训练好的脑胶质瘤区域预测网络；所述损失目标函数根据对抗损失、循环一致性损失、分割损失和分割一致性损失确定；所述对抗损失根据所述生成网络和所述判别网络确定，所述分割损失通过所述分割网络输出结果与对应标签图像确定，所述循环一致性损失为所述生成网络保留输入图像全局语义信息的损失，所述分割一致性损失为所述分割网络保留输入图像脑胶质瘤区域语义信息的损失；采用训练好的脑胶质瘤区域预测网络对待预测磁共振图像进行脑胶质瘤区域分割，获得分割后的脑胶质瘤区域；采用放射组学提取所述分割后的脑胶质瘤区域组学特征；采用深度神经网络提取所述分割后的脑胶质瘤区域深度特征；将所述组学特征和所述深度特征结合后加入年龄特征作为随机森林算法的输入，输出待预测磁共振图像对应的IDH基因型的分类；将所述组学特征和所述深度特征结合作为随机森林算法的输入，输出待预测磁共振图像对应的IDH基因型的分类，具体包括：采用t检验方法分别对所述组学特征和所述深度特征进行特征筛选，获得筛选后的所述组学特征和筛选后的所述深度特征；将筛选后的所述组学特征和筛选后的所述深度特征结合，获得混合特征；将所述混合特征和与所述待预测磁共振图像对应的年龄特征作为随机森林算法的输入，输出待预测磁共振图像对应的IDH基因型的分类。

全文数据：

权利要求：

百度查询： 厦门大学 一种磁共振成像脑胶质瘤IDH基因预测方法及系统

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