(19)国家知识产权局
(12)发明 专利
(10)授权公告 号
(45)授权公告日
(21)申请 号 202211082384.7
(22)申请日 2022.09.06
(65)同一申请的已公布的文献号
申请公布号 CN 115170564 A
(43)申请公布日 2022.10.11
(73)专利权人 北京肿瘤医院 (北京大 学肿瘤医
院)
地址 100142 北京市海淀区阜成路52号
(72)发明人 夏邵君 孙应实 朱海涛 秦源泽
张晓燕 卢巧媛 李清扬
(74)专利代理 机构 北京君尚知识产权代理有限
公司 11200
专利代理师 邱晓锋
(51)Int.Cl.
G06T 7/00(2017.01)G06N 3/04(2006.01)
G16H 20/17(2018.01)
G16H 50/20(2018.01)
G06V 10/26(2022.01)
G06V 10/44(2022.01)
G06V 10/80(2022.01)
G06V 10/82(2022.01)
(56)对比文件
CN 114170183 A,202 2.03.11
CN 108922602 A,2018.1 1.30
US 20120 02786 A1,2012.01.0 5
US 2005266420 A1,20 05.12.01
CN 109259780 A,2019.01.25
审查员 刘海莺
(54)发明名称
一种结直肠癌放 化疗反应自动预测系统
(57)摘要
本发明涉及一种结直肠癌放化疗反应自动
预测系统。 该系统包括: 图像获取模块, 用于采集
结直肠癌放化疗相关的医学图像; 预处理模块,
用于对图像获取模块采集的图像进行预处理; 图
像分类模块, 用于将预处理后的图像使用一级级
联网络进行图像分类, 得到的分类结果为3类, 包
括非肿瘤图像、 PCR图像、 非PCR图像; 语义分割模
块, 用于对分类得到的非PCR图像使用二级级联
网络进行语义分割, 以提取肿瘤区域; 预测模块,
用于对提取出的肿瘤区域使用三级级联网络分
别进行T分期预测以及TRG分期预测, 得到基于T
的分期预测结果以及基于TRG的分期预测结果。
本发明能够对放化疗反应进行有效预测, 对结直
肠癌患者后期治 疗方案的决策 具有重要意 义。
权利要求书2页 说明书8页 附图5页
CN 115170564 B
2022.12.02
CN 115170564 B
1.一种结直肠癌放 化疗反应自动预测系统, 其特 征在于, 包括:
图像获取模块, 用于采集结直肠癌放 化疗相关的医学图像;
预处理模块, 用于对图像获取模块采集的图像进行 预处理;
图像分类模块, 用于将预处理后的图像使用一级级联网络进行图像分类, 得到的分类
结果为3类, 包括非肿瘤图像、 PCR图像、 非PCR图像;
语义分割模块, 用于对分类得到的非PCR图像使用二级级联网络进行语义分割, 以提取
肿瘤区域;
预测模块, 用于对提取出的肿瘤区域使用三级级联网络分别进行T分期预测以及TRG分
期预测, 得到基于T的分期预测结果以及基于TRG的分期预测结果;
所述一级级联网络、 所述二级级联网络、 所述三级级联网络采用Swin Transformer网
络实现, 分别称为Swin Transformer一级级联网络、 Swin Transformer二级级联网络、 Swin
Transformer三级级联网络; 所述Swin Transformer二级级联网络为Swin Transformer
Unet网络; 所述Sw in Transformer三级 级联网络包括T分期预测网络和TRG 分期预测网络;
所述Swin Transformer一级 级联网络的处 理过程包括:
获得预处理好的待分类图像, 将其构建好训练集输入到所述Swin Transformer一级级
联网络中;
对输入的图像进行分块处 理, 然后进行分块嵌入处 理;
将图像输入三阶段的Swin Transformer block, 其中: 阶段一包括2个Swin
Transformer block和1个分块合并模 块, 2个Swin Transformer block进行连接, 其中一个
是基于窗口自注意力机制, 另一个是基于滑动窗口自注意力机制; 阶段二包括6个Swin
Transformer block和1个分块合并模块, 6个Swin Transformer block分为3组, 每组中一
个是基于窗口自注意力机制, 另一个是基于滑动窗口自注意力机制; 阶段三与阶段一结构
相似, 包括2个Sw in Transformer block和1个分块 合并模块;
采用适应池化层对阶段三的输出进行池化操作;
采用线性分类层对池化操作后的所有特征进行分类, 分为3类, 包括非肿瘤图像、 PCR图
像、 非PCR图像;
所述Swin Transformer Unet由三部分组成, 分别为左边的编码器, 下面的瓶颈层即2
个Swin Transformer block, 以及右边的解码器; 在解码器中使用分块扩展进行特征图的
扩充, 以和 编码器中的特征图进 行对齐, 然后与编 码器进行跳跃连接; 通过跳跃连接将编码
器中的浅层信息与解码器中的特征进行融合以减少信息丢失; 所述Swin Transformer
Unet通过分块映射将图像映射为掩膜图像特征, 输出图中每个像素点均为二分类, 即属于
肿瘤区域与非肿瘤区域;
所述T分期预测网络对图像进行T分期操作, 预测的结果为4分类, 分别为I、 II、 III、 IV
期; 所述TRG分期预测网络对图像进行TRG分期操作, 预测的结果为3分类, 分别为TRG1、
TRG2、 TRG3;
T分期预测的损失函数为:
LT= λ2L2+λ3L3
其中, L2为二级级联网络的损失函数值, L3为三级级联网络中T分期的损失函数值, λ2、 λ3
为权重系数;权 利 要 求 书 1/2 页
2
CN 115170564 B
2TRG分期预测的损失函数为:
LTRG= λ2L2+λ4L4
其中, L2为二级级联网络的损失函数值, L4为三级级联网络中TRG分期的损失函数值,
λ2、 λ4为权重系数, 其中λ2与T分期预测的损失函数中的λ2是同一个超参数。
2.根据权利要求1所述的系统, 其特征在于, 所述采集结直肠癌放化疗相关的医学图
像, 包括:
采集局部进 展期直肠癌 患者在接受新辅助放 化疗nCRT前一周的T2 ‑MRI图像;
采集局部进 展期直肠癌 患者在接受新全直肠系膜切除手术TM E前一周的T2 ‑MRI图像。
3.根据权利要求1所述的系统, 其特征在于, 所述一级级联网络不与所述二级级联网
络、 所述三级级联网络一起进 行训练, 而 是单独训练; 所述二级级联网络与所述三级级联网
络一起进行训练, 共同决定最终的损失函数, 同时进行反向传播与梯度更新。
4.一种电子装置, 其特征在于, 包括存储器和 处理器, 所述存储器存储计算机程序, 所
述计算机程序被配置为由所述处理器执行, 所述计算机程序包括用于实现权利要求 1~3中
任一项所述系统的图像获取模块、 预处理模块、 图像分类模块、 语义分割模块、 预测模块的
功能的指令 。
5.一种计算机可读存储介质, 其特征在于, 所述计算机可读存储介质存储计算机程序,
所述计算机程序包括实现权利要求1~3中任一项所述系统的图像获取模块、 预处理模块、
图像分类模块、 语义分割模块、 预测模块的功能的指令 。权 利 要 求 书 2/2 页
3
CN 115170564 B
3
专利 一种结直肠癌放化疗反应自动预测系统
安全报告 >
其他 >
文档预览
中文文档
16 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共16页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 04:39:35上传分享