发明名称 |
一种基于肿瘤表型特征的非小细胞肺癌预后方法 |
摘要 |
本发明提出了一种基于肿瘤表型特征的非小细胞肺癌预后方法,包括:S1,从非小细胞肺癌患者肺部影像数据库中对每一个肿瘤进行分割,提取目标区域,并根据所述肿瘤目标区域图像提取肿瘤表型特征库;S2,根据所述非小细胞肺癌患者肺部影像数据的临床信息和组织活检结果对肿瘤进行分类,将分类的肺部影像数据的数据集按比例分为训练数据集和测试数据集;S3,依据训练数据集,采用机器学方法对各分类训练数据集进行特征训练,得到能够正确辨识各分类的训练数据集对应类型肿瘤关键特征,通过所述关键特征对各类测试数据集进行预测统计和预后分析。本发明实现了计算机方法辅助完成肿瘤预后分析并给出辅助诊断建议。 |
申请公布号 |
CN105005714A |
申请公布日期 |
2015.10.28 |
申请号 |
CN201510340718.X |
申请日期 |
2015.06.18 |
申请人 |
中国科学院自动化研究所 |
发明人 |
田捷;宋江典;董迪;张帅通;喻冬东 |
分类号 |
G06F19/24(2011.01)I;G01N24/00(2006.01)I;G01N24/08(2006.01)I;G01N29/06(2006.01)I |
主分类号 |
G06F19/24(2011.01)I |
代理机构 |
北京博维知识产权代理事务所(特殊普通合伙) 11486 |
代理人 |
方振昌 |
主权项 |
一种基于肿瘤表型特征的非小细胞肺癌预后方法,其特征在于,所述方法包括:步骤S1,从非小细胞肺癌患者肺部影像数据库中对每一个肿瘤进行分割,提取目标区域,并根据所述肿瘤目标区域图像提取肿瘤表型特征库;步骤S2,根据所述非小细胞肺癌患者肺部影像数据的临床信息和组织活检结果对肿瘤进行分类,将分类的肺部影像数据的数据集按比例分为训练数据集和测试数据集;步骤S3,依据各分类肺部影像数据的训练数据集,采用机器学习方法对各分类肺部影像数据的训练数据集进行特征训练,得到能够正确辨识各分类肺部影像数据的训练数据集对应类型肿瘤关键特征,通过所述关键特征对各类肺部影像数据的测试数据集进行预测统计和预后分析。 |
地址 |
100080 北京市海淀区中关村东路95号 |