申请/专利权人：华南理工大学

申请日：2023-11-30

公开（公告）日：2024-04-05

公开（公告）号：CN117333485B

主分类号：G06T7/00

分类号：G06T7/00;G16H30/20;G06N3/0895;G06T7/11;G06V10/774;G06V10/80;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2024.01.19#实质审查的生效;2024.01.02#公开

摘要：本发明公开了一种基于弱监督深度序数回归网络的WSI生存预测方法，方法为：构建观察数据集；构建并训练CADOR‑Cox网络，步骤为：对癌症患者WSI进行预处理切分成图像块；使用特征提取器进行特征提取得到图像块的特征向量；输入特征融合模块中进行特征融合获取癌症患者WSI的特征向量；将癌症患者WSI的特征向量分别输入Cox回归头和CADOR回归头中构建损失函数；以多任务学习方式进行迭代训练，优化损失函数并通过反向传播更新网络参数得到训练好的CADOR‑Cox网络；将待分析癌症患者的观察数据集输入网络中进行生存预测获取预测结果。本发明能够利用完整的标注信息进行生存分析预测，性能良好且预测结果准确。

主权项：1.基于弱监督深度序数回归网络的WSI生存预测方法，其特征在于，包括下述步骤：获取癌症患者WSI、癌症患者随访观察时间和数据删失情况，构建观察数据集；所述构建观察数据集具体为：获取每一癌症患者在不同观察时间τ内的WSI，得到观察数据集，表示为： ；其中，xi表示第i个癌症患者WSI，τi表示第i个癌症患者的观察时间，δi表示第i个癌症患者观察数据是否为删失观察数据，N为癌症患者观察数量；当δi=0时，表示第i个癌症患者在观察结束前一直存活，第i个癌症患者的生存时间ti大于观察时间τi，第i个癌症患者的观察数据为删失观察数据；当δi=1时，表示第i个癌症患者已经死亡，第i个癌症患者的生存时间ti等于观察时间τi，第i个癌症患者的观察数据为未删失观察数据；所述第i个癌症患者的生存时间ti表示为： ；构建CADOR-Cox网络，包括特征提取器、特征融合模块、Cox回归头和CADOR回归头；所述CADOR回归头称为删失敏感的深度有序回归头；使用观察数据集训练CADOR-Cox网络，包括：对癌症患者WSI进行预处理，获取组织部分并切分成图像块；使用经过ImageNet预训练的特征提取器对图像块进行特征提取，得到图像块的特征向量并固定特征提取器的权重参数；将图像块的特征向量输入特征融合模块中进行特征融合，获取癌症患者WSI的特征向量；将癌症患者WSI的特征向量分别输入Cox回归头和CADOR回归头中输出风险预测值和生存时间预测值，并构建损失函数；对CADOR-Cox网络以多任务学习的方式进行迭代训练，优化损失函数并通过反向传播更新网络参数，得到训练好的CADOR-Cox网络；将待分析癌症患者的观察数据集输入训练好的CADOR-Cox网络中，进行生存预测获取预测结果。

全文数据：

权利要求：

百度查询： 华南理工大学 基于弱监督深度序数回归网络的WSI生存预测方法

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