首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于TransPyramid模型的晚期高级别浆液性卵巢癌HRD状态预测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:复旦大学附属肿瘤医院

摘要:本发明涉及基于TransPyramid模型的晚期高级别浆液性卵巢癌HRD状态预测方法,通过对HGSOC肿瘤病灶分割,将MRI图像分为肿瘤区域和其他区域并分别提取特征区域,再将所有的亚区域特征一起输入Transformer模型中进行特征融合,对融合后的多序列MRI影像特征通过全连接层进行计算,得到HRD状态预测结果,实现对晚期高级别浆液性卵巢癌HRD状态的预测。与现有技术相比,本发明使用了多序列MRI影像的TransPyramid特征,为HGSOC患者HRD状态预测任务提供比CT影像特征更为丰富且灵敏的特征,并构建了多尺度亚区域图像金字塔用于提取影像的多尺度信息,提高特征信息量,进而提高预测模型的预测效能。

主权项:1.基于TransPyramid模型的晚期高级别浆液性卵巢癌HRD状态预测方法,其特征在于,包括以下步骤:步骤1:对HGSOC肿瘤病灶分割,通过语义分割模型分割出多序列MRI的HGSOC肿瘤原发灶区域;步骤2:确立肿瘤病灶亚区域,根据步骤1中获得的肿瘤原发灶分割结果,将MRI图像分为肿瘤区域Φtumor和其他区域Φother,并将其他区域Φother拆分为N个亚区域,即步骤3:多尺度亚区域金字塔构建,对步骤2中确定的N个亚区域Φx进行若干次下采样,构建多尺度亚区域的3D图像金字塔步骤4:亚区域特征提取,基于3DSwinTransformer的图像编码器对步骤3中的多尺度亚区域3D图像金字塔进行特征提取,记为Ftumor及步骤5:亚区域特征融合,将步骤4中所有的亚区域特征一起输入Transformer模型中进行特征融合,经过模型融合后的特征记为全域的多序列MRI影像特征Fradiomics;步骤6:HRD状态预测,对步骤5中的多序列MRI影像特征Fradiomics进行计算,得到HRD状态预测结果y′,基于与样本真值的比较,实现对模型参数的逐步修正,得到最终TransPyramid模型,通过最终TransPyramid模型实现对晚期高级别浆液性卵巢癌HRD状态的预测。

全文数据:

权利要求:

百度查询: 复旦大学附属肿瘤医院 基于TransPyramid模型的晚期高级别浆液性卵巢癌HRD状态预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。