[发明专利]一种基于人工智能的肿瘤诊疗预测模型及装置

权利要求书

1.一种基于人工智能的肿瘤诊疗预测模型，其特征在于，包括：

利用深度学习方法的病灶区域自动分割模块，用于根据输入图像的特性对病灶的大小、形状进行判断并自动分割；

病灶区域纹理特征自动提取模块，用于根据所述的病灶区域自动分割模块所分割的图像进行各种纹理特征参数的自动提取；

利用机器学习方法的纹理特征降维筛选模块，用于根据病灶区域纹理特征自动提取模块所提取出的纹理特征进行参数降维和筛选，挑选出与诊疗结果具有相关关系的特征参数。

2.如权利要求1所述的肿瘤诊疗预测模型，其特征在于：所述的深度学习方法为深度卷积神经网络算法。

3.如权利要求1所述的肿瘤诊疗预测模型，其特征在于(mRMR)、主成分分析(PCA)、最小绝对收缩与选择(LASSO)、随机深林（RF），支持向量机（SVM）算法或基于这些算法优化的算法。

4.如权利要求1所述的肿瘤诊疗预测模型，其特征在于：所述的纹理特征降维筛选模块还包括利用有卡方检验或t检验方法对特征参数与目标预测结果进行相关性检验处理的模块。

5.如权利要求1所述的肿瘤诊疗预测模型，其特征在于：病灶区域纹理特征自动提取模块是基于python语言的自动提取算法模块。

6.如权利要求1所述的肿瘤诊疗预测模型，其特征在于：所述的各种纹理特征参考包括形状、直方图、异质性等纹理特征中的一种或多种。

7.如权利要求1所述的肿瘤诊疗预测模型，其特征在于：所述的输入图像类型为MR，CT，超声，PET，PET/CT或DR图像。

8.一种基于人工智能的肿瘤诊疗预测装置，包括：

处理器和与所述处理器连接的存储器：

所述的存储器用于存储权利要求1-4任一项所述的肿瘤诊疗预测模型;

所述的处理器将待诊疗患者的输入图像通过利用深度学习方法的病灶区域自动分割模块进行自动割后，再经病灶区域纹理特征自动提取模块自动提取各种纹理特征参数，并将纹理特征参数输入到肿瘤诊疗预测模型中进行计算分析，得到肿瘤诊疗预测结果。

9.如权利要求8所述的肿瘤诊疗预测装置，其特征在于：所述肿瘤诊疗预测包括肿瘤患者的淋巴结转移状态，肿瘤分期、病理类型、肿瘤转移情况、生存情况、复发情况和治疗效果。

10.如权利要求8所述的肿瘤诊疗预测装置，其特征在于：所述的肿瘤为宫颈癌。