(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210377920.X
(22)申请日 2022.04.12
(71)申请人 中国科学院深圳先进技 术研究院
地址 518055 广东省深圳市南 山区深圳大
学城学苑大道1068号
(72)发明人 侯嘉馨 秦文健 谢耀钦
(74)专利代理 机构 北京市诚辉律师事务所
11430
专利代理师 耿慧敏 成丹
(51)Int.Cl.
G06V 10/762(2022.01)
G06V 10/80(2022.01)
G06V 10/82(2022.01)
G06V 10/774(2022.01)
G06V 10/25(2022.01)G06N 3/04(2006.01)
G06T 7/00(2017.01)
G06T 7/11(2017.01)
(54)发明名称
一种多模态肿瘤数据融合方法和装置
(57)摘要
本发明公开一种多模态肿瘤数据融合方法
和装置。 该方法包括: 针对目标的影像数据, 提取
第一形态特征; 针对目标的病理数据, 提取第二
形态特征和结构特征; 针对目标的基因数据, 提
取集群特征; 将第一形态特征、 第二形态特征、 结
构特征和集群特征通过融合网络进行融合, 其中
融合网络包括第一层网络和第二层网络, 第一层
网络从微观到宏观的变化将第一形态特征与第
二形态特征、 第一形态特征与结构特征、 第二形
态特征与集群特征、 结构特征与集群特征进行两
两融合; 第二层网络对两两融合特征融合, 获得
第一融合特征和第二融合特征; 利用第一融合特
征和第二融合特征对目标进行分类或预测。 本发
明实现对多模态数据的综合分析, 为临床提供辅
助参考。
权利要求书2页 说明书8页 附图3页
CN 114821137 A
2022.07.29
CN 114821137 A
1.一种多模态肿瘤数据融合方法, 包括以下步骤:
针对目标的影像数据, 提取第一形态特征, 该第一形态特征反映病变组织整体的几何
形态表征;
针对目标的病理数据, 提取第二形态特征和结构特征, 该第二形态特征描述肿瘤细胞
核的异常程度, 该 结构特征描述细胞的分布特点;
针对目标的基因数据, 提取集群特征, 该集群特征反映肿瘤在基因分子层面的表达特
征;
将第一形态特征、 第二形态特征、 结构特征和集群特征通过经训练的融合网络进行融
合, 其中所述融合网络包括第一层 网络和第二层 网络, 第一层 网络基于从微观到宏观的变
化将第一形态特征与第二形态特征、 第一形态特征与结构特征、 第二形态特征与集群特征、
结构特征与集群特征进行两两融合; 第二层 网络对两两融合特征进一步融合, 获得第一融
合特征和第二融合特 征;
利用第一融合特 征和第二融合特 征对目标进行分类识别或回归预测。
2.根据权利要求1所述的方法, 其特征在于, 所述第二层网络包含两条路径分支, 一条
路径分支对第一形态特征与第二形态特征、 集群特征与结构特征进行融合获得第一融合特
征, 另一条路径分支对集群特征与第二形态特征、 第一形态特征与结构特征进行融合获得
第二融合特征, 所述两条路径分支具有相同的结构, 各包含输入层、 多层 全连接隐藏层和输
出层。
3.根据权利要求1所述的方法, 其特征在于, 所述第一层网络将两两特征做克罗内克
积, 表示如下:
其中, A和B是维度分别为m ×n和p×q的特征矩阵。
4.根据权利要求2所述的方法, 其特征在于, 所述第 二层网络包含两条路径分支各包含
两层全连接层作为隐藏层, 并采用神经元丢弃策略和线性整流激活函数, 将融合特征逐层
降维, 进而分别输出第一融合特 征和第二融合特 征。
5.根据权利要求1所述的方法, 其特征在于, 根据目标分类任务, 将训练所述融合网络
的损失函数设置为:
其中, N表示样本的总数, yn为样本xn的真实标签,
表示样本xn的预测概率, xn为
第一层网络融合得到的特 征向量, n是样本索引下 标。权 利 要 求 书 1/2 页
2
CN 114821137 A
26.根据权利要求1所述的方法, 其特征在于, 根据目标回归任务, 将训练所述融合网络
的损失函数设置为:
其中, ti和tj分别为第i个、 第j个时间节点, R(ti)为时间节点ti时的风险集合, δi为数据
删失标记。
7.根据权利要求1所述的方法, 其特征在于, 输入所述融合网络的各模态特征根据以下
步骤获得:
针对提取的第 一形态特征、 第 二形态特征、 结构特征和集群特征各模态特征, 分别使用
特征嵌入选择 方法筛选出高相关性特 征;
使用主成分 分析算法对筛 选后的特 征进行降维处 理, 并统一各模态的特 征纬度。
8.一种多模态肿瘤数据融合装置, 包括:
特征提取模块: 用于针对目标的影像数据, 提取第 一形态特征, 该第 一形态特征反映病
变组织整体的几何形态表征; 针对目标的病理数据, 提取第二形态特征和结构特征, 该第二
形态特征描述肿瘤细胞核的异常程度, 该结构特征描述细胞的分布特点; 针对目标 的基因
数据, 提取集群特 征, 该集群特 征反映肿瘤 在基因分子层面的表达特 征;
特征融合模块: 用于将第 一形态特征、 第二形态特征、 结构特征和集群特征通过经训练
的融合网络进行融合, 其中所述融合网络包括第一层 网络和第二层 网络, 第一层 网络基于
从微观到宏观的变化将第一形态特征与第二形态特征、 第一形态特征与结构特征、 第二形
态特征与集群特征、 结构特征与集群特征进行两两融合; 第二层 网络对两两融合特征进一
步融合, 获得第一融合特 征和第二融合特 征;
预测模块: 用于利用第一融合特 征和第二融合特 征对目标进行分类识别或回归预测。
9.一种计算机可读存储介质, 其上存储有计算机程序, 其中, 该计算机程序被处理器执
行时实现根据权利要求1至7中任一项所述方法的步骤。
10.一种计算机设备, 包括存储器和处理器, 在所述存储器上存储有能够在处理器上运
行的计算机程序, 其特征在于, 所述处理器执行所述计算机程序时实现权利要求1至7中任
一项所述的方法的步骤。权 利 要 求 书 2/2 页
3
CN 114821137 A
3
专利 一种多模态肿瘤数据融合方法和装置
安全报告 >
其他 >
文档预览
中文文档
14 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共14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 07:34:29上传分享