预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共19页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113744801A(43)申请公布日2021.12.03(21)申请号202111053557.8G06T7/90(2017.01)(22)申请日2021.09.09(71)申请人首都医科大学附属北京天坛医院地址100000北京市丰台区南四环西路119号(72)发明人刘亚欧卓芝政孙婷刘幸王引言段云云叶初阳(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人刘凤(51)Int.Cl.G16B20/50(2019.01)G06K9/62(2006.01)G06T7/11(2017.01)G06T7/136(2017.01)权利要求书2页说明书13页附图3页(54)发明名称肿瘤类别的确定方法、装置、系统、电子设备及存储介质(57)摘要本申请提供了肿瘤类别的确定方法、装置、系统、电子设备及存储介质,包括:将获取到的患者的目标灰度图像输入至选定的肿瘤位置标注模型,得到标注肿瘤位置的标注灰度图像;将标注灰度图像输入至选定的基因预测模型中,得到患者的至少一个预测基因突变概率;其中,基因预测模型是基于对肿瘤的预测需求选定的;根据至少一个预测基因突变概率,确定患者的肿瘤所属的肿瘤类别。在本申请中,通过将患者的目标灰度图像输入到肿瘤位置标注模型以及基因预测模型中,根据肿瘤的扫描位置以及预测需求,得到全面且准确的至少一个预测基因突变概率,进而根据至少一个预测基因突变概率,确定出肿瘤所属的肿瘤类别,有助于提升对肿瘤分类的准确性。CN113744801ACN113744801A权利要求书1/2页1.一种肿瘤类别的确定方法,其特征在于,所述确定方法包括:获取患者的目标灰度图像;将所述目标灰度图像输入至选定的肿瘤位置标注模型,得到标注肿瘤位置的标注灰度图像;其中,所述肿瘤位置标注模型是基于所述目标灰度图像的扫描位置以及扫描定位信息确定的;将所述标注灰度图像输入至选定的基因预测模型中,得到所述患者的至少一个预测基因突变概率;其中,所述基因预测模型是基于对所述肿瘤的预测需求选定的;根据所述至少一个预测基因突变概率,确定患者的肿瘤所属的肿瘤类别。2.根据权利要求1所述的确定方法,其特征在于,所述预测需求包括以下至少一种:针对单个基因突变的预测需求、针对异柠檬酸脱氢酶的不同状态下的预测需求、针对多个基因突变的预测需求。3.根据权利要求2所述的确定方法,其特征在于,所述预测需求包括异柠檬酸脱氢酶的不同状态下的预测需求,所述将所述标注灰度图像输入至选定的基因预测模型中,得到所述患者的至少一个预测基因突变概率:基于所述患者的检测报告,确定所述异柠檬酸脱氢酶的突变类型;根据所述异柠檬酸脱氢酶的突变类型,根据所述标注灰度图像中指示的肿瘤的形态,确定对应的至少一个预测基因突变概率。4.根据权利要求1所述的确定方法,其特征在于,所述将所述目标灰度图像输入至选定的肿瘤位置标注模型,得到标注肿瘤位置的标注灰度图像,包括:将所述目标灰度图像按照预设划分阈值,进行区域划分,得到多个子灰度区域;根据各个子灰度区域对应的灰度值以及预设灰度阈值,从所述多个子灰度区域中筛选出目标灰度区域;在所述目标灰度图像中对所述目标灰度区域包括的范围进行标注,得到所述标注灰度图像。5.根据权利要求1所述的确定方法,其特征在于,所述获取患者的目标灰度图像,包括:获取患者的扫描图像;对所述扫描图像进行均匀性矫正以及分割处理后,得到初始灰度图像;根据所述初始灰度图像以及预设的灰度取值范围,对所述初始灰度图像进行灰度归一化处理,得到所述目标灰度图像。6.根据权利要求1所述的确定方法,其特征在于,通过以下步骤训练所述肿瘤位置标注模型:从多个不同肿瘤图像库中,获取多张样本肿瘤图像;将每一张样本肿瘤图像输入至预先构建好的深度学习模型中,得到每张样本肿瘤图像对应的标注样本图像以及预测可信度;确定得出的多张标注样本图像中预测可信度小于预设可信度阈值的异常图像数量;若所述异常图像数量大于预设图像数量阈值,调整所述深度学习模型中的参数,直至所述异常图像数量小于预设图像数量阈值,确定所述深度学习模型训练结束,得到所述肿瘤位置标注模型。7.一种肿瘤类别的确定装置,其特征在于,所述肿瘤类别的确定包括:2CN113744801A权利要求书2/2页灰度图像获取模块,用于获取患者的目标灰度图像;标注图像获取模块,用于将所述目标灰度图像输入至选定的肿瘤位置标注模型,得到标注肿瘤位置的标注灰度图像;其中,所述肿瘤位置标注模型是基于所述目标灰度图像的扫描位置以及扫描定位信息确定的;突变概率获取模块,用于将所述标注灰度图像输入至选定的基因预测模型中,得到所述患者的至少一个预测基因突变概率;其中,所述基因预测模型是基于对所述肿瘤的预测需求选定的;