[发明专利]肠癌腹膜转移人工智能预测模型及该模型的构建方法

权利要求书

1.一种肠癌腹膜转移人工智能预测模型构建方法，其特征在于，步骤包括：筛选病例，勾画所述病例的肿瘤原发灶，根据所述病例和所述肿瘤原发灶构建并验证卷积神经网络模型，以及构建并验证支持向量机模型。

2.根据权利要求1所述的肠癌腹膜转移人工智能预测模型构建方法，其特征在于，筛选病例，具体为：

从腹膜转移组中筛选腹膜转移病例，从非腹膜转移组中筛选非腹膜转移病例，将所述腹膜转移病例分为训练组病例和验证组病例，将所述非腹膜转移病例分为训练组病例和验证组病例，所述腹膜转移病例的验证组病例数量与非腹膜转移病例的验证组病例数量相同；

勾画所述病例的肿瘤原发灶，具体为：勾画所有所述腹膜转移病例的肿瘤原发灶；

根据所述病例和所述肿瘤原发灶构建并验证卷积神经网络模型，以及构建并验证支持向量机模型，具体为：

根据勾画后的所述腹膜转移病例的训练组病例和非腹膜转移病例的训练组病例，构建卷积神经网络模型，根据勾画后的所有所述腹膜转移病例，以及所有所述非腹膜转移病例，验证所述卷积神经网络模型；

根据勾画后的所述腹膜转移病例、非腹膜转移病例以及所述卷积神经网络模型，构建并验证所述支持向量机模型。

3.根据权利要求2所述的肠癌腹膜转移人工智能预测模型构建方法，其特征在于，所述腹膜转移组病例和所述非腹膜转移组病例属于同一病例数据库。

4.根据权利要求2所述的肠癌腹膜转移人工智能预测模型构建方法，其特征在于，勾画所有所述腹膜转移病例的肿瘤原发灶，具体为：

选取所述腹膜转移病例中肿瘤原发灶静脉期的图像，识别肿瘤部位，选取所述腹膜转移病例中肿瘤原发灶静脉期的CT图像，在ITK软件的A模式中结合所述肿瘤部位，圈出肿瘤的所在区域，再在ITK软件的B模式中去掉非所述A模式中圈出的区域，重复在A模式中和在B模式中的操作，直至所有所述腹膜转移病例中肿瘤的全部连续层面勾画完成。

5.根据权利要求2所述的肠癌腹膜转移人工智能预测模型构建方法，其特征在于，根据勾画后的所述腹膜转移病例的训练组病例和非腹膜转移病例的训练组病例，构建卷积神经网络模型，具体为：

定义每一个勾画后的所述腹膜转移病例的训练组病例的CT影像作为卷积神经网络的输入张量，定义每一个非腹膜转移病例的训练组病例的CT影像作为卷积神经网络的输入张量，构建Residual learning运算元，根据Residual learning运算元，基于Resnet-18架构构建所述卷积神经网络模型。

6.根据权利要求5所述的肠癌腹膜转移人工智能预测模型构建方法，其特征在于，根据勾画后的所有所述腹膜转移病例，以及所有所述非腹膜转移病例，验证所述卷积神经网络模型，具体为：

计算勾画后的所有所述腹膜转移病例的AUC以及所有所述非腹膜转移病例的AUC，根据所述AUC验证所述卷积神经网络模型。

7.根据权利要求6所述的肠癌腹膜转移人工智能预测模型构建方法，其特征在于，根据勾画后的所述腹膜转移病例、非腹膜转移病例以及所述卷积神经网络模型，构建并验证所述支持向量机模型，具体为：对勾画后的所述腹膜转移病例和非腹膜转移病例进行腹膜转移相关变量的单因素分析，根据所述单因素分析的结果，利用所述卷积神经网络的CNN+时序构建并验证支持向量机模型。

8.根据权利要求7所述的肠癌腹膜转移人工智能预测模型构建方法，其特征在于，所述腹膜转移相关变量包括年龄、性别、术前CEA水平、CT分期、原发肿瘤部位、肿瘤侵犯临近器官、肿瘤周边腹膜斑片影、肿瘤强化程度、肿瘤坏死、穿孔、远处转移部位、淋巴结转移、大网膜增厚、盆腔结节和腹水。

9.一种肠癌腹膜转移的人工智能预测模型，其特征在于，所述模型为基于损失函数所得到的模型。