公开(公告)号：CN117237300A

公开(公告)日：2023-12-15

申请号：CN202311198584.3

申请日：2023-09-15

Applicant: 哈尔滨理工大学

Inventor： 穆世凯 ,  董祺 ,  苗世迪

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06V10/25 ,  G06V10/26 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N20/10

Abstract: 本发明涉及一种基于多视图结节联合纵隔脂肪特征方法。对于高危患者，通常需要有创的诊断方法来进一步证实肺癌的存在，但这些方法可能会增加一系列的风险。因此，开展准确的非侵入性风险评估显得至关重要。我们进行了一项回顾性研究，涉及来自三个著名的医疗中心的患者数据。将患者分为一个主要队列和两个外部试验队列。我们的多视图模型利用9个固定的视角将三维结节分解成不同的二维切片，从而提取出结节的特征。此外，为了帮助该模型更好地预测肺结节的良恶性性质，我们还提取了纵隔脂肪的特征。然后将这些提取的特征输入支持向量机(SVM)模型，便于准确预测结节的性质。最后，从模型的校准、鉴别和临床效用等方面进行了评价。

公开(公告)号：CN117219277A

公开(公告)日：2023-12-12

申请号：CN202311190857.X

申请日：2023-09-15

Applicant: 哈尔滨理工大学

Inventor： 穆世凯 ,  王国鹏 ,  苗世迪

IPC: G16H50/30 ,  G16H50/70 ,  G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06T7/62 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明涉及一种多模态后期融合的深度学习放射组学联合诺模图模型，用来探究少肌症对乳腺癌(BC)远处转移的影响。利用单因素Cox回归和多因素Cox回归分析得到BC远处转移的独立预后因素。使用DenseNet161模型、ResNet50模型、Gradient Boosting模型分别对第四胸椎(T4)、第十一胸椎(T11)层图像、临床病理结合身体成分数据进行分类。使用多数投票策略对分类结果进行后期融合，并将得到的后期融合概率联合诺模图预测BC远处转移。我们分析了诺模图的最佳截断点，将BC患者分为高、低转移风险组，并采用Kaplan‑Meier(KM)生存曲线进行生存分析。本发明进一步证实了T4胸肌指数(PMI/T4)对BC远处转移存在显著的影响，提高了BC远处转移的预测精度，为预测BC远处转移探索了一种非入侵性成像标志物。