【技術實現步驟摘要】
本申請涉及圖像處理，特別涉及一種預測表皮生長因子受體基因突變概率的方法、裝置和系統。
技術介紹
1、目前，肺癌按組織病理學分為非小細胞肺癌(nsclc)和小細胞肺癌(sclc)兩大類，前者約占85％。表皮生長因子受體(epidermal?growth?factor?rec?eptor，egfr)目前被認為是與非小細胞肺癌(nsclc)高度相關的目標基因之一。明確識別非小細胞肺癌(nsclc)患者的表皮生長因子受體(epidermal?growth?factor?receptor，egfr)基因突變狀態是確定患者是否適合后續相關靶向治療的先決條件。表皮生長因子受體(epidermal?growthfactor?receptor，egfr)基因突變與年齡、性別及吸煙史等存在相關性，但是傳統的表皮生長因子受體(epidermal?growth?factor?receptor，egfr)基因突變檢測通過采樣組織進行檢測，如血液、人體相關組織等，雖然檢測準確性高，但是成本高，且存在一定受感染風險。因此，有必要提出一種預測表皮生長因子受體基因突變概率的方法，以至少部分地解決現有技術中存在的問題。
技術實現思路
1、有鑒于現有技術中存在的上述至少一個技術問題而提出了本申請。根據本申請一方面，提供了一種預測表皮生長因子受體基因突變概率的方法，所述方法包括：
2、獲取第一計算機斷層掃描圖像數據；
3、確定所述第一計算機斷層掃描圖像數據中的病灶區域，采用語義分割算法對所述第一計
4、采用三維分割模型提取所述第一計算機斷層掃描圖像數據的血供特征；
5、根據所述病灶的影像學特征、所述血供特征和臨床特征構建突變概率預測模型；
6、根據所述突變概率預測模型確定待檢測對象的表皮生長因子受體基因突變概率。
7、在一些實施例中，獲取第一計算機斷層掃描圖像數據之前，所述方法還包括：
8、獲取初始計算機斷層掃描圖像數據樣本；
9、對所述初始計算機斷層掃描圖像數據樣本進行預處理，以形成第一計算機斷層掃描圖像數據。
10、在一些實施例中，所述預處理至少包括：對所述初始計算機斷層掃描圖像數據進行旋轉、平移和縮放操作。
11、在一些實施例中，確定所述第一計算機斷層掃描圖像數據中的病灶區域，包括：
12、采用目標檢測算法檢測所述第一計算機斷層掃描圖像數據，以確定所述第一計算機斷層掃描圖像上的所述病灶區域，并確定所述病灶區域的三維坐標。
13、在一些實施例中，采用語義分割算法對所述第一計算機斷層掃描圖像數據的所述病灶區域進行分割處理，包括：
14、采用語義分割算法將所述病灶區域從所述第一計算機斷層掃描圖像數據中裁剪出來，形成所述病灶區域的三維圖像；
15、通過預設影像學特征開源庫獲得所述病灶區域的所述三維圖像對應的影像學特征。
16、在一些實施例中，采用三維分割模型提取所述第一計算機斷層掃描圖像數據的血供特征，包括：
17、采用三維分割模型對所述第一計算機斷層掃描圖像進行分割處理，獲得支氣管和動靜脈的三維圖像；
18、通過所述病灶區域的三維圖像和所述支氣管和/或所述動靜脈的三維圖像，計算所述病灶區域與所述支氣管和/或所述動靜脈之間的最短距離，以確定所述病灶區域與所述支氣管和/或所述動靜脈之間是否相交。
19、在一些實施例中，在所述病灶區域與所述支氣管和/或所述動靜脈相交的情況下，采用三維分割模型提取所述第一計算機斷層掃描圖像數據的血供特征，還包括：
20、通過所述病灶區域的三維矩陣和所述支氣管和/或所述動靜脈的三維矩陣計算所述病灶區域覆蓋所述支氣管和/或所述動靜脈的體積，以及所述病灶區域覆蓋所述支氣管和/或所述動靜脈的分支數量。
21、在一些實施例中，根據所述病灶的影像學特征、所述血供特征和臨床特征構建突變概率預測模型，包括：
22、從所述第一計算機斷層掃描圖像數據的病理報告中獲取對應的臨床特征；
23、基于預設算法，根據所述影像學特征、所述血供特征和所述臨床特征訓練多個初始突變概率預測模型；
24、采用測試數據集對所述多個初始突變概率預測模型的預測效果進行驗證，選擇預測效果最好的模型作為所述突變概率預測模型；
25、其中，所述臨床特征至少包括患者的基本特征和病理特征；所述患者基本特征至少包括患者的年齡、性別、吸煙史和疾病史；所述病理特征至少包括腫瘤細胞分期、病理分型、病灶大小和病灶部位。
26、在一些實施例中，根據所述突變概率預測模型確定待檢測對象的表皮生長因子受體基因突變概率，包括：
27、獲取所述待檢測對象的第二計算機斷層掃描圖像序列；
28、將所述待檢測對象的所述第二計算機斷層掃描圖像序列輸入所述突變概率預測模型；
29、接收突變概率預測模型的輸出結果，其中所述輸出結果表征所述待檢測對象的表皮生長因子受體基因突變概率。
30、本申請實施例再一方面提供了一種預測表皮生長因子受體基因突變概率的裝置，所述裝置包括：
31、樣本采集模塊，用于獲取第一計算機斷層掃描圖像數據；
32、病灶檢測模塊，確定所述第一計算機斷層掃描圖像數據中的病灶區域；
33、病灶分割模塊，采用語義分割算法對所述第一計算機斷層掃描圖像數據的所述病灶區域進行分割處理，以確定病灶的影像學特征；
34、支氣管和動靜脈分割模塊，采用三維分割模型提取所述第一計算機斷層掃描圖像數據的血供特征；
35、表皮生長因子受體基因突變預測模塊，根據所述病灶的影像學特征、所述血供特征和臨床特征構建突變概率預測模型，并根據所述突變概率預測模型確定待檢測對象的表皮生長因子受體基因突變概率。
36、本申請實施例另一方面提供了一種預測表皮生長因子受體基因突變概率的系統，所述系統包括：
37、存儲器和處理器，所述存儲器上存儲有由所述處理器運行的計算機程序，所述計算機程序在被所述處理器運行時，使得所述處理器執行如上所述的預測表皮生長因子受體基因突變概率的方法。
38、本申請實施例又一方面提供了一種存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序在被處理器運行時使得所述處理器執行如上所述的預測表皮生長因子受體基因突變概率的方法。
39、本申請實施例的預測表皮生長因子受體基因突變概率的方法，采用計算機斷層掃描圖像數據中病灶的影像學特征、血供特征，以及臨床特征構建突變概率預測模型，然后采用突變概率預測模型確定待檢測對象的表皮生長因子受體基因突變概率，通過對多模態的計算機斷層掃描圖像特征和臨床特征進行特征提取，能夠捕捉更全面的病灶信息及發生表皮生長因子受體(egfr)突變的影響因素，從而顯著提升表皮生長本文檔來自技高網...
【技術保護點】
1.一種預測表皮生長因子受體基因突變概率的方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，在獲取第一計算機斷層掃描圖像數據之前，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，所述預處理至少包括：對所述初始計算機斷層掃描圖像數據進行旋轉、平移和縮放操作。
4.根據權利要求1所述的方法，其特征在于，確定所述第一計算機斷層掃描圖像數據中的病灶區域，包括：
5.根據權利要求3所述的方法，其特征在于，采用語義分割算法對所述第一計算機斷層掃描圖像數據的所述病灶區域進行分割處理，包括：
6.根據權利要求5所述的方法，其特征在于，采用三維分割模型提取所述第一計算機斷層掃描圖像數據的血供特征，包括：
7.根據權利要求6所述的方法，其特征在于，在所述病灶區域與所述支氣管和/或所述動靜脈相交的情況下，采用三維分割模型提取所述第一計算機斷層掃描圖像數據的血供特征，還包括：
8.根據權利要求1所述的方法，其特征在于，根據所述病灶的影像學特征、所述血供特征和臨床特征構建突變概率預測模
9.根據權利要求1所述的方法，其特征在于，根據所述突變概率預測模型確定待檢測對象的表皮生長因子受體基因突變概率，包括：
10.一種預測表皮生長因子受體基因突變概率的裝置，其特征在于，所述裝置包括：
11.一種預測表皮生長因子受體基因突變概率的系統，其特征在于，所述系統包括：
12.一種存儲介質，其特征在于，所述存儲介質上存儲有計算機程序，所述計算機程序在被處理器運行時使得所述處理器執行如權利要求1至9任一項所述的預測表皮生長因子受體基因突變概率的方法。
...【技術特征摘要】
1.一種預測表皮生長因子受體基因突變概率的方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，在獲取第一計算機斷層掃描圖像數據之前，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，所述預處理至少包括：對所述初始計算機斷層掃描圖像數據進行旋轉、平移和縮放操作。
4.根據權利要求1所述的方法，其特征在于，確定所述第一計算機斷層掃描圖像數據中的病灶區域，包括：
5.根據權利要求3所述的方法，其特征在于，采用語義分割算法對所述第一計算機斷層掃描圖像數據的所述病灶區域進行分割處理，包括：
6.根據權利要求5所述的方法，其特征在于，采用三維分割模型提取所述第一計算機斷層掃描圖像數據的血供特征，包括：
7.根據權利要求6所述的方法，其特征在于，在所述病灶...
【專利技術屬性】
技術研發人員：梁文華，侯波林，程博，盧炫莊，葉文君，羅祥鳳，
申請(專利權)人：廣州呼吸健康研究院廣州呼吸疾病研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。