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：苏州可帮基因科技有限公司

摘要：本发明公开一种基于深度学习的肿瘤组织溯源方法及设备，包括：将肿瘤组织根据其起源分类，划分为k个肿瘤起源类别；收集大量的病理图像、其肿瘤组织溯源标签以及患者的性别信息；将收集的每个病理图像划分为若干图像块，并对其进行预处理；利用预处理后的图像块训练多分类模型，多分类模型用于根据图像块，预测其所属各肿瘤起源类别的概率；基于患者性别的先验知识，利用预处理后的图像块训练k个类别预测模型，类别预测模型用于根据图像块，预测其与所对应肿瘤起源类别的标准图像块间的距离；使用训练好的模型对新的病理图像进行预测，判断其肿瘤组织起源。本发明采用多阶段模型对肿瘤起源类别进行判定，预测精度高，成本低，周期短。

主权项：1.基于深度学习的肿瘤组织溯源方法，其特征在于，包括：步骤S1：将肿瘤组织根据其起源分类，划分为k个肿瘤起源类别；步骤S2：收集大量的病理图像、其肿瘤组织溯源标签以及患者的性别信息；步骤S3：将收集的每个病理图像划分为若干图像块，并对其进行预处理；所述步骤S3包括：步骤S3.1：将每个病理图像按照固定尺寸，划分为若干图像块，且每个图像块具有相同的分辨率；步骤S3.2：根据筛选条件，从所有图像块中筛选出合格的图像块；步骤S3.3：根据合格的图像块的内容，将其分类为肿瘤图像块和正常组织图像块；步骤S4：利用预处理后的图像块训练多分类模型，所述多分类模型用于根据图像块，预测其所属各肿瘤起源类别的概率；所述步骤S4包括：步骤S4.1：对每个患者的肿瘤图像块、正常组织图像块分别进行特征提取，得到肿瘤特征、正常组织特征；步骤S4.2：将每个患者的肿瘤特征、正常组织特征组合，形成特征包；步骤S4.3：利用若干特征包训练多分类模型；步骤S5：基于患者性别的先验知识，利用预处理后的图像块训练k个类别预测模型，一个类别预测模型与一个肿瘤起源类别相对应，所述类别预测模型用于根据图像块，预测其与所对应肿瘤起源类别的标准图像块间的距离；所述步骤S5包括：步骤S5.1：从其中一个肿瘤起源类别所对应患者的肿瘤图像块中选择数据，作为分布内数据；根据肿瘤起源类别与患者性别间的联系，从其他肿瘤起源类别所对应患者的肿瘤图像块中选择数据，从所有患者的正常组织图像块中选择数据，混合后，作为分布外数据；步骤S5.2：对分布内数据和分布外数据进行特征提取；步骤S5.3：利用特征提取后的特征，训练该肿瘤起源类别对应的类别预测模型；步骤S5.4：重复步骤S5.1-步骤S5.3，直至训练完成所有肿瘤起源类别对应的类别预测模型；步骤S6：使用训练好的多分类模型、类别预测模型对新的病理图像进行预测，判断其肿瘤组织起源，即其所属肿瘤起源类别；所述步骤S6包括：步骤S6.1：收集待检测患者的病理图像以及患者的性别信息；步骤S6.2：将待检测患者的病理图像划分为若干图像块，并进行预处理；步骤S6.3：将预处理后的图像块输入多分类模型，预测其所属各肿瘤起源类别的概率，得到概率Pt，t＝1,2,…k；步骤S6.4：将预处理后的图像块分别输入k个类别预测模型中，预测其与所对应肿瘤起源类别的标准图像块间的距离，得到dt，t＝1,2,…k；步骤S6.5：计算各个肿瘤起源类别所对应的综合得分；St＝Pt*wtdt；其中：Pt为属于第t个肿瘤起源类别的概率；wt为患者性别与第t个肿瘤起源类别之间的对应权重；dt为与第t个肿瘤起源类别的标准图像块间的距离；St为第t个肿瘤起源类别的综合得分；步骤S6.6：对各综合得分进行排名，最高综合得分所对应的肿瘤起源类别即判定为该患者的肿瘤组织起源。

全文数据：

权利要求：

百度查询： 苏州可帮基因科技有限公司 基于深度学习的肿瘤组织溯源方法及设备