申请/专利权人：深圳市睿法生物科技有限公司

申请日：2023-04-19

公开（公告）日：2024-02-20

公开（公告）号：CN116452559B

主分类号：G06T7/00

分类号：G06T7/00;G16B20/50;G06V10/26;G06V10/762;G06V10/50;G06V10/28;G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.20#授权;2023.08.04#实质审查的生效;2023.07.18#公开

摘要：本发明涉及人工智能技术领域，揭露了一种基于ctDNA片段化模式的肿瘤病灶的定位方法和装置，该方法包括：根据历史肿瘤图像的图像特征和背景数据生成历史肿瘤图像的融合特征，对融合特征进行特征分类和回归验证，得到标准特征；根据预设的变量权重生成对标准特征的特征矩阵；利用特征矩阵对构建的初始肿瘤分类模型进行模型训练，得到训练完成的肿瘤分类模型；获取目标肿瘤的目标数据，利用训练完成的癌症风险模型和目标数据生成目标肿瘤的肿瘤权值，根据预设的状态阈值和肿瘤权值确定目标肿瘤的肿瘤类别。本发明还提出一种基于ctDNA片段化模式的肿瘤病灶的定位装置。本发明可以提高基于ctDNA片段化模式的肿瘤病灶的定位的准确性。

主权项：1.一种基于ctDNA片段化模式的肿瘤病灶的定位方法，其特征在于，所述方法包括：获取历史肿瘤图像，对所述历史肿瘤图像进行特征提取，得到所述历史肿瘤图像的图像特征；获取所述历史肿瘤图像的背景数据，根据所述图像特征和所述背景数据生成所述历史肿瘤图像的融合特征，根据预设的属性类别对所述融合特征进行特征分类，得到所述融合特征的属性特征；对所述属性特征进行回归验证，确定通过所述回归验证的属性特征的标准特征，根据预设的变量权重生成对所述标准特征的特征矩阵；根据预设的回归方程构建初始肿瘤分类模型，其中，所述预设的回归方程为： 其中，y是所述初始肿瘤分类模型的输出值，L是所述特征矩阵中的矩阵的总数，l是所述特征矩阵中的矩阵的标识，wl是初始肿瘤分类模型的第l个模型参数，xl是所述特征矩阵中的第l个矩阵，b是偏置项；利用所述特征矩阵对所述初始肿瘤分类模型进行模型训练，得到训练完成的肿瘤分类模型；获取目标肿瘤的目标数据，利用所述训练完成的癌症风险模型和所述目标数据生成所述目标肿瘤的肿瘤权值，根据预设的状态阈值和所述肿瘤权值对所述目标肿瘤进行病灶定位；所述对所述属性特征进行回归验证，确定通过所述回归验证的属性特征的标准特征，包括：对所述属性特征进行线性验证，得到所述属性特征的一级特征；对所述一级特征进行正态验证，得到所述一级特征的二级特征；对所述二级特征进行独立验证，得到所述二级特征的三级特征；对所述三级特征进行齐性验证，得到所述三级特征的四级特征，确定所述四级特征为所述属性特征的标准特征；所述对所述一级特征进行正态验证，得到所述一级特征的二级特征，包括：利用如下正态检验算法所述对所述一级特征进行正态验证，得到所述一级特征的二级特征： 其中，R是所述一级特征的正态系数，bi是所述一级特征中的第i个特征的正态评分，yi是所述一级特征中的第i个特征，是所述一级特征的均值，m是所述一级特征中的特征的总数，i是所述一级特征中的特征的标识；所述对所述二级特征进行独立验证，得到所述二级特征的三级特征，包括：利用如下卡方算法对所述二级特征进行独立验证，得到所述二级特征的三级特征： 其中，X是所述二级特征的卡方统计量，op是所述二级特征的观察值，ep是所述二级特征的期望值，k是所述二级特征的观察值的总数，p是所述二级特征的观察值的标识。

全文数据：

权利要求：

百度查询： 深圳市睿法生物科技有限公司 基于ctDNA片段化模式的肿瘤病灶的定位方法及装置

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