买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：复旦大学附属中山医院

摘要：本发明公开了一种用于预测肾部分切除患者术后局部复发的深度学习模型训练方法。通过本发明公开的技术方案可以训练得到基于CT影像组学的深度学习模型，该模型针对局限性肾细胞癌患者，提取、分析患者术前增强CT动脉期的影像组学特征，结合患者临床特征，建立患者肾细胞癌局部复发风险的预测系统并帮助手术方案决策。通过本发明所公开的训练方法所获得的模型能够解决局限性肾细胞癌患者个体化差异导致的局部复发问题，利用该模型在术前对每个患者的复发风险进行全面评估，辅助医生制定合适的手术方案，延长患者生存期和健康相关生活质量。

主权项：1.一种用于预测肾部分切除患者术后局部复发的深度学习模型训练方法，其特征在于，包括以下步骤：步骤1、收集患者数据，以建立内部训练集和内部验证集，其中：内部训练集和验证集来自肾部分切除术的局限性肾细胞癌病人，以“局限性肾细胞癌”、“肾部分切除术”、“病理报告为肾细胞癌”、“术前进行增强CT检查”、“随访记录完善”为筛选条件搜集术后局部复发的局限性肾细胞癌患者以及术后非局部复发的局限性肾细胞癌患者的患者数据，该患者数据包括临床特征以及术前增强CT影像文件，基于搜集到的所有患者数据构建内部训练集和内部验证集；步骤2、对临床特征进行筛选：将内部训练集和内部验证集中的各项临床特征进行单因素及多因素Logistic回归，计算每个因素对于局部复发的风险比，以筛选出具有统计学意义的临床特征；步骤3、基于术前增强CT影像文件，进行ROI区域的自动分割以及影像特征提取：构建局限性肾细胞癌的肿瘤自动分割模型后，利用内部训练集对该肿瘤自动分割模型进行训练，训练时，采用人工勾勒ROI区域作为内部训练集的数据标签，并利用内部验证集对训练后的肿瘤自动分割模型进行验证，验证时，将肿瘤自动分割模型获得的ROI区域与内部验证集的人工勾勒ROI区域进行对比，从而获得最佳自动分割模型；并提取各术前增强CT影像文件的包括形状特征以及一阶灰度共生矩阵在内的影像特征；步骤4、将步骤2筛选获得的内部训练集的临床特征数据以及通过步骤3获得的内部训练集的ROI区域、内部训练集的影像特征以及已知的术后局部复发结果对人工神经网络模型进行训练，最终得到局限性肾细胞癌的局部复发预测模型，并利用步骤2筛选获得的内部验证集的临床特征数据以及通过步骤3获得的内部训练集的ROI区域、内部训练集的影像特征以及已知的术后局部复发结果对局部复发预测模型进行评估。

全文数据：

权利要求：

百度查询： 复旦大学附属中山医院 用于预测肾部分切除患者术后局部复发的深度学习模型训练方法