公开(公告)号：CN118824477A

公开(公告)日：2024-10-22

申请号：CN202411035657.1

申请日：2024-07-31

Applicant: 复旦大学附属肿瘤医院

Inventor： 万觉锋 ,  陈佳 ,  石洁

IPC: G16H30/20 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于数字多组学的直肠癌CRT疗效评估系统和方法，系统包括：图像获取单元，用于获取CRT治疗前的MRI影像和治疗后肿瘤消退等级标签；图像标注单元，用于对部分MRI影像进行肿瘤区域、肿瘤外围区域及肠壁的人工标注；自动分割单元，得到所有MRI影像的标注信息；分子多组学特征获取单元，用于获取数字多组学分子特征；卷积神经网络构造单元，用于构造第一卷积神经网络模型；卷积神经网络模型训练单元，用于根据MRI影像数字多组学分子特征、标注信息和治疗后肿瘤消退等级标签进行模型训练，获得用于评估直肠癌CRT疗效的第二卷积神经网络模型。与现有技术相比，本发明具有适用性广、准确率高、耗时短且工作持续时间长、客观、立体等优点。

公开(公告)号：CN119007978A

公开(公告)日：2024-11-22

申请号：CN202411006150.3

申请日：2024-07-25

Applicant: 复旦大学附属肿瘤医院

Inventor： 万觉锋 ,  陈佳 ,  石洁

IPC: G16H50/20 ,  G16H50/50 ,  G16H50/70 ,  G16H20/40 ,  G16H10/40 ,  G16H10/60 ,  G16H30/20 ,  G06F18/2135 ,  G06F18/27 ,  G06T7/00 ,  G06T7/62 ,  G06V10/26 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明涉及一种基于机器学习的患者放疗后血液毒性预测方法和装置，方法包括：收集经过放化疗治疗的患者的临床信息、血液学参数信息和CT图像，构成数据集并预处理；对CT图像进行骨盆骨腔各结构的自动分割及骨盆的自动定位，从而计算出累积剂量‑体积直方图和差分剂量‑体积直方图；基于累积剂量‑体积直方图筛选剂量学参数的关键预测因子；根据差分剂量‑体积直方图，通过机器学习的方法，对LKB‑NTCP模型进行参数拟合；以获取的关键预测因子、差分剂量‑体积直方图和血液毒性结果作为模型输入，对LKB‑NTCP模型进行迭代优化，获取最优的LKB‑NTCP模型，用于患者放疗后的血液毒性预测。与现有技术相比，本发明具有模型泛化性强、普适性好、模型鲁棒性强等优点。