买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】用于检测BRAF-V600E突变的系统和方法_上海市第六人民医院_202410063798.8 

申请/专利权人:上海市第六人民医院

申请日:2021-09-14

公开(公告)日:2024-04-16

公开(公告)号:CN117883118A

主分类号:A61B8/08

分类号:A61B8/08;G16B20/50;G06T7/00;G06T7/11;G06T7/73;G16H50/20;G06N3/045;G06N3/0464;G06N3/09

优先权:

专利状态码:在审-公开

法律状态:2024.04.16#公开

摘要:本申请涉及一种用于检测BRAF‑V600E突变的系统和方法,所述系统包括:超声图获取模块,通过对患者的检查生成活性组织的超声图像;定位分割模块,与超声图获取模块通信连接,接收来自超声图获取模块生成的活性组织的超声图像,并且在对超声图像进行预处理后,通过其上加载的TransU‑Net模型对活性组织的超声图像上的结节进行定位和分割,以形成一个或多个待查结节区域图像;BRAF‑V600E模块,通过其上加载的DenseNet网络对定位分割模块上形成的一个或多个待查结节区域图像的每一个进行BRAF‑V600E基因突变预测;以及输出模块,输出BRAF‑V600E模块形成的BRAF‑V600E基因突变预测的结果。根据本申请的用于检测BRAF‑V600E突变的系统和方法可用于黑色素瘤、非霍奇金淋巴瘤、大肠癌、甲状腺癌、非小细胞肺癌的辅助诊断。

主权项:1.一种用于检测BRAF-V600E突变的系统,包括:超声图获取模块,通过对患者的检查生成活性组织的超声图像;定位分割模块,与所述超声图获取模块通信连接,接收来自所述超声图获取模块生成的活性组织的超声图像,并且在对所述超声图像进行预处理后,通过其上加载的TransU-Net模型对所述活性组织的超声图像上的结节进行定位和分割,以形成一个或多个待查结节区域图像;BRAF-V600E模块,通过其上加载的DenseNet网络对所述定位分割模块上形成的一个或多个待查结节区域图像的每一个进行BRAF-V600E基因突变预测;显示模块,显示所述定位分割模块对所述活性组织的超声图像上的结节进行定位和分割的过程、所述BRAF-V600E模块对一个或多个待查结节区域图像的每一个进行BRAF-V600E基因突变预测的过程、以及输出模块输出的BRAF-V600E基因突变预测的结果;人工审核模块,审核所述定位分割模块、所述BRAF-V600E模块和所述输出模块的运行情况;输出模块,输出所述BRAF-V600E模块形成的BRAF-V600E基因突变预测的结果;以及优化模块,从所述输出模块接收所述BRAF-V600E基因突变预测的结论性报告,并且通过机器深入学习和训练而不断优化所述定位分割模块和所述BRAF-V600E模块;检测BRAF-V600E突变的方法,包括如下步骤:采用超声图获取模块通过对患者的检查生成活性组织的超声图像;采用与所述超声图获取模块通信连接的定位分割模块接收来自所述超声图获取模块生成的活性组织的超声图像,并且在对所述超声图像进行预处理后,通过其上加载的TransU-Net模型对所述活性组织的超声图像上的结节进行定位和分割,以形成一个或多个待查结节区域图像;采用BRAF-V600E模块通过其上加载的DenseNet网络对所述定位分割模块上形成的一个或多个待查结节区域图像的每一个进行BRAF-V600E基因突变预测;以及采用输出模块输出所述BRAF-V600E模块形成的BRAF-V600E基因突变预测的结果;其中,所述人工审核模块在审核所述输出模块时包括输入对所述BRAF-V600E基因突变预测的结论性报告,并且指示所述输出模块输出所述BRAF-V600E基因突变预测的结论性报告;其中,所述TransU-Net模型为卷积神经网络的TransU-Net网络;其中,所述预处理包括去除与超声波影像无关的部分,并且调整图像大小与灰度图像属性;其中,所述活性组织的超声图像上的结节定位和分割包括利用TransU-Net模型对B超图像进行检测,得到甲状腺结节的位置与形状信息,以甲状腺结节为边界向外延一定像素,截取图像作为所述一个或多个待查结节区域图像;其中,针对分割中类别不均匀的情况,使用Dice系数结合二进制交叉熵函数作为训练的损失函数;其中,利用DenseNet网络对甲状腺结节进行BRAFV600E基因突变预测,并且通过人工审核模块根据BRAFV600E突变与否指定不同的治疗方案和预后恢复方案;并且其中,所述DenseNet网采用卷积神经网络进行分割,首先对图像进行预处理,利用线性插值算法,将所有甲状腺结节图像缩放为同一个尺寸,输入网络;对于输入的图像,首先使用卷积模块和密集连接模块交替提取特征,重复四次,最终得到的特征经过两个密集连接层,得到一个权重值,通过该权重值与之前训练得到的值进行对比,来预测BRAFV600E基因是否突变。

全文数据:

权利要求:

百度查询: 上海市第六人民医院 用于检测BRAF-V600E突变的系统和方法

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。