【技術實現步驟摘要】
所屬的技術人員可以清楚地了解到，為方便的描述和簡潔，上述描述的裝置的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。進一步的，本申請實施例還提供了一種電子設備，包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述實施例所述的免疫治療預測模型的訓練方法或者如上述實施例所述的免疫治療預測模型的調用方法。進一步的，本申請實施例還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機可執行程序，所述計算機可執行程序用于使計算機執行如上述實施例所述的免疫治療預測模型的訓練方法或者如上述實施例所述的免疫治療預測模型的調用方法。在本專利技術實施例的描述中需要說明的是，術語“上”、“下”等指示的方位或位置關系為基于附圖所示的方位或位置關系，僅是為了便于描述本專利技術實施例和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對本專利技術的限制。當諸如層、區域或襯底的要素被稱為在另一要素“上”或“上方”時，它可以直接在該另一要素上，或者也可以存在中間要素。相反，當一個要素被稱為“直接在”另一要素“上”或者“上方”時，不存在中間要素。還應當理解，當一個要素被稱為在另一要素“下”或“下方”時，它可以直接在該另一要素下或下方，或者也可以存在中間要素。相反，當一個要素被稱為“直接在”另一要素“下”或者“下方”時，不存在中間要素。除非另有明確的規定和限定，術語“安裝”、“相連”、“連接”應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可
技術介紹
1、胃癌是一種常見的惡性腫瘤，是全球癌癥相關死亡的第三大原因。針對pd-(l)1的免疫檢查點抑制劑已成為缺乏靶向治療方案的胃癌患者的首要治療選擇。然而，由于抗腫瘤免疫調節非常復雜，導致這些分子標記無法準確識別抗pd-(l)1免疫檢查點抑制劑獲益患者。因此，需要檢測抗pd-(l)1的免疫檢查點抑制劑治療療效。
2、為了簡化療效檢測的處理流程，本領域引入人工智能技術，目前常用的方法是：采集患者的he全視野病理切片圖像(wsi)，利用采集的圖像進行模型訓練，得到圖像識別模型。再通過圖像識別模型識別患者的治療區域，供專業的、有經驗的病理科醫師查看治療區域并進行診斷以及鑒別診斷，以確定治療的療效。
3、但目前常用的方法有如下技術問題：正常組織與病理組織在he全視野病理切片圖像內的顏色、形狀和輪廓相似，僅利用he全視野病理切片圖像進行模型訓練得到的圖像識別模型，識別的精度較低，誤差較大，難以滿足現有的應用需求。
技術實現思路
1、本專利技術提出一種免疫治療預測模型的訓練方法、調用方法、裝置及設備，所述方法可以解決上述一個或多個技術問題。
2、本專利技術實施例的第一方面提供了一種免疫治療預測模型的訓練方法，所述方法包括：
3、獲取臨床病理圖像和臨床病理信息，所述臨床病理圖像是免疫治療患者治療前的病理圖像，所述臨床病理信息包括免疫治療患者治療前的臨床信息和治療后的預后信息；
4、對所述臨床病理圖像進行標記得到標記圖像后，基于所述臨床病理信息對所述標記圖像進行特征提取，得到病理組學特征；
5、采用所述病理組學特征進行模型訓練，得到免疫治療預測模型。
6、在第一方面的一種可能的實現方式中，所述基于所述臨床病理信息對所述標記圖像進行特征提取，得到病理組學特征，包括：
7、調用預設的特征提取模型按照所述臨床病理信息在所述標記圖像的標記區域提取病理組學特征，所述病理組學特征包括：病理細胞核特征、病理微環境特征和病理空間分布特征。
8、在第一方面的一種可能的實現方式中，所述采用所述病理組學特征進行模型訓練，得到免疫治療預測模型，包括：
9、在構建若干個基模型后，采用所述病理組學特征對每個所述基模型進行訓練和優化處理，得到若干個訓練模型；
10、使用集成學習的投票法集成若干個所述訓練模型后，并使用所述病理組學特征對每個所述訓練模型進行擬合，得到免疫治療預測模型。
11、在第一方面的一種可能的實現方式中，所述對所述臨床病理圖像進行標記得到標記圖像，包括：
12、獲取標記區域，所述標記區域是向醫護人員展示所述臨床病理圖像后，醫護人員對圖像內腫瘤部位進行勾畫的區域；
13、所述標記區域的標記添加至所述臨床病理圖像得到標記圖像。
14、在第一方面的一種可能的實現方式中，所述獲取臨床病理圖像，包括：
15、在獲取患者的全視野病理圖像，所述全視野病理圖像是免疫治療患者接受抗pd-(l)1免疫檢查點抑制劑前的he染色切片的圖像；
16、對所述全視野病理圖像進行數字化掃描和篩選后，得到臨床病理圖像。
17、在第一方面的一種可能的實現方式中，在所述采用所述病理組學特征進行模型訓練，得到免疫治療預測模型的步驟后，所述方法還包括：
18、利用所述roc-curve函數構建所述免疫治療預本文檔來自技高網...
【技術保護點】
1.一種免疫治療預測模型的訓練方法，其特征在于，所述方法包括：
2.根據權利要求1所述的免疫治療預測模型的訓練方法，其特征在于，所述基于所述臨床病理信息對所述標記圖像進行特征提取，得到病理組學特征，包括：
3.根據權利要求1所述的免疫治療預測模型的訓練方法，其特征在于，所述采用所述病理組學特征進行模型訓練，得到免疫治療預測模型，包括：
4.根據權利要求1所述的免疫治療預測模型的訓練方法，其特征在于，所述對所述臨床病理圖像進行標記得到標記圖像，包括：
5.根據權利要求1所述的免疫治療預測模型的訓練方法，其特征在于，所述獲取臨床病理圖像，包括：
6.根據權利要求1-5任意一項所述的免疫治療預測模型的訓練方法，其特征在于，在所述采用所述病理組學特征進行模型訓練，得到免疫治療預測模型的步驟后，所述方法還包括：
7.一種免疫治療預測模型的調用方法，其特征在于，所述方法包括：
8.一種免疫治療預測模型的訓練裝置，其特征在于，所述裝置包括：
9.一種免疫治療預測模型的調用裝置，其特征在于，所述裝置包
10.一種電子設備，包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-6任意一項所述的免疫治療預測模型的訓練方法或者如權利要求7所述的免疫治療預測模型的調用方法。
...【技術特征摘要】
1.一種免疫治療預測模型的訓練方法，其特征在于，所述方法包括：
2.根據權利要求1所述的免疫治療預測模型的訓練方法，其特征在于，所述基于所述臨床病理信息對所述標記圖像進行特征提取，得到病理組學特征，包括：
3.根據權利要求1所述的免疫治療預測模型的訓練方法，其特征在于，所述采用所述病理組學特征進行模型訓練，得到免疫治療預測模型，包括：
4.根據權利要求1所述的免疫治療預測模型的訓練方法，其特征在于，所述對所述臨床病理圖像進行標記得到標記圖像，包括：
5.根據權利要求1所述的免疫治療預測模型的訓練方法，其特征在于，所述獲取臨床病理圖像，包括：
6.根據權利要求1...
【專利技術屬性】
技術研發人員：韓震，李國新，胡彥峰，郭偉洪，
申請(專利權)人：南方醫科大學南方醫院，
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。