公开(公告)号：CN112309576B

公开(公告)日：2025-01-14

申请号：CN202011005022.9

申请日：2020-09-22

Applicant: 江南大学 ,  江南大学附属医院

Inventor： 潘祥 ,  王孝磊 ,  胡曙东 ,  张衡 ,  吕天旭 ,  谢振平 ,  刘渊

IPC: G16H50/70 ,  G16H50/30 ,  G16H50/50 ,  G06T7/00 ,  G06T7/11 ,  G06T11/20 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习CT影像组学的结直肠癌生存期预测方法。属于医学图像处理技术领域。具体步骤：(1)、获取数据；(2)、对CT影像组学数据进行结直肠肿瘤区域标注；(3)、对获取数据进行预处理；(4)、构建基于深度神经网络的特征学习模型；(5)、利用Lasso回归对结直肠癌CT影像组学深度高通量特征降维，建立患者的风险评分模型；(6)、根据风险评分分组；(7)、曲线及特征有效性验证；(8)、构建深度神经网络多任务逻辑回归(DNN‑MTLR)模型进行生存期概率预测；本发明在得到病人拍摄CT图像后导入系统分析，结果可为医师(特别是年轻经验不足的放射科医生)提供参考，以便更好地了解病人病情并进行下一步决策。

公开(公告)号：CN112309576A

公开(公告)日：2021-02-02

申请号：CN202011005022.9

申请日：2020-09-22

Applicant: 江南大学 ,  江南大学附属医院

Inventor： 潘祥 ,  王孝磊 ,  胡曙东 ,  张衡 ,  吕天旭 ,  谢振平 ,  刘渊

IPC: G16H50/70 ,  G16H50/30 ,  G16H50/50 ,  G06T7/00 ,  G06T7/11 ,  G06T11/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习CT影像组学的结直肠癌生存期预测方法。属于医学图像处理技术领域。具体步骤：(1)、获取数据；(2)、对CT影像组学数据进行结直肠肿瘤区域标注；(3)、对获取数据进行预处理；(4)、构建基于深度神经网络的特征学习模型；(5)、利用Lasso回归对结直肠癌CT影像组学深度高通量特征降维，建立患者的风险评分模型；(6)、根据风险评分分组；(7)、曲线及特征有效性验证；(8)、构建深度神经网络多任务逻辑回归(DNN‑MTLR)模型进行生存期概率预测；本发明在得到病人拍摄CT图像后导入系统分析，结果可为医师(特别是年轻经验不足的放射科医生)提供参考，以便更好地了解病人病情并进行下一步决策。