[发明专利]一种晚期肺癌患者的肿瘤突变负荷的预测系统及方法

权利要求书

1.一种晚期肺癌患者的肿瘤突变负荷的预测系统，其特征在于，具体包括：

数据获取模块，所述数据获取模块包括：

第一获取单元，用于获取若干早期肺癌患者的包含病灶区域的第一肺部断层扫描影像，以及所述病灶区域关联的真实肿瘤突变负荷；

第二获取单元，用于获取若干晚期肺癌患者进行免疫治疗前的包含所述病灶区域的第二肺部断层扫描影像，以及各所述晚期肺癌患者的进行所述免疫治疗后的临床生存数据；

第一处理模块，连接所述数据获取模块，所述第一处理模块包括：

影像标注单元，用于采用预设的标注框分别对各所述第一肺部断层扫描影像和各所述第二肺部断层扫描影像中的所述病灶区域进行标注，得到第一肺部标注影像和第二肺部标注影像；

数据整合单元，连接所述影像标注单元，用于将各所述第一肺部标注影像以及关联的所述真实肿瘤突变负荷加入一第一数据集合，并将各所述第二肺部标注影像以及对应的所述临床生存数据加入一第二数据集合；

模型训练模块，连接所述第一处理模块，用于根据所述第一数据集合，以所述第一肺部断层扫描影像为输入，以所述真实肿瘤突变负荷为输出，训练得到肿瘤突变负荷预测模型；

第二处理模块，分别连接所述第一处理模块和所述模型训练模块，所述第二处理模块包括：

第一处理单元，用于将所述第二数据集合中的各所述第二肺部标注影像输入所述肿瘤突变负荷预测模型得到相应的预测肿瘤突变负荷，并处理得到各所述预测肿瘤突变负荷的分布曲线；

第二处理单元，连接所述第一处理单元，用于根据所述第二数据集合中的各所述临床生存数据进行生存分析得到生存分析曲线，并处理得到所述分布曲线与所述生存分析曲线的相似度以表征所述肿瘤突变负荷预测模型的预测准确率；

医生根据所述肿瘤突变负荷预测模型和所述预测准确率给出晚期肺癌患者的所述免疫治疗的治疗意见；

所述模型训练模块包括：

分组单元，用于对所述第一数据集合进行分组得到训练子集合和验证子集合；

训练单元，连接所述分组单元，用于根据所述训练子集合进行模型训练，并在训练过程中，每间隔第一预设训练次数输出对应的预测模型；

处理单元，分别连接所述分组单元和所述训练单元，用于根据所述验证子集合分别对各所述预测模型进行预测效能验证，并将预测效能最高的所述预测模型作为所述肿瘤突变负荷预测模型输出；

所述训练单元中预先保存有以预设顺序排列的若干学习率；

所述预设顺序为从大到小依次排列；

在训练过程中，所述训练单元按照所述预设顺序获取第一个所述学习率，并依照所述学习率对所述预测模型进行训练；

当达到第二预设训练次数后，所述训练单元依照所述预设顺序依次选取所述学习率，并完成所述第二预设训练次数的所述训练过程，直至在最后一个所述学习率下，完成所述第二预设训练次数后结束当前的所述训练过程；

当完成当前的所述训练过程后，重新开始下一次所述训练过程，直至满足预设的训练结束条件；

当达到所述第一预设训练次数时，输出对应的最优模型；

于所述最优模型中，选择预测效能最高的所述最优模型作为所述肿瘤突变负荷预测模型。

2.根据权利要求1所述的预测系统，其特征在于，所述影像标注单元包括：

重建子单元，用于分别对各所述第一肺部断层扫描影像和各所述第二肺部断层扫描影像进行三维重建得到第一重建影像和第二重建影像；

标注子单元，连接所述重建子单元，用于采用所述标注框分别对各所述第一重建影像和所述第二重建影像中的所述病灶区域进行标注，得到所述第一肺部标注影像和所述第二肺部标注影像。

3.根据权利要求2所述的预测系统，其特征在于，所述标注框为外接于所述病灶区域的长方体形状。

4.根据权利要求1所述的预测系统，其特征在于，所述肿瘤突变负荷预测模型包括一特征提取单元和一分类单元，且所述特征提取单元的输出作为所述分类单元的输入。

5.根据权利要求4所述的预测系统，其特征在于，所述特征提取单元采用3D-Densenet网络结构。

6.根据权利要求4所述的预测系统，其特征在于，所述分类单元采用全连接网络结构。

7.一种晚期肺癌患者的肿瘤突变负荷的预测方法，其特征在于，应用于如权利要求1-6中任意一项所述的预测系统，所述预测方法具体包括：

步骤S1，所述预测系统获取若干早期肺癌患者的包含病灶区域的第一肺部断层扫描影像，以及所述病灶区域关联的真实肿瘤突变负荷，和若干晚期肺癌患者进行免疫治疗前的包含所述病灶区域的第二肺部断层扫描影像，以及各所述晚期肺癌患者的进行所述免疫治疗后的临床生存数据；

步骤S2，所述预测系统采用预设的标注框分别对各所述第一肺部断层扫描影像和各所述第二肺部断层扫描影像中的所述病灶区域进行标注，得到第一肺部标注影像和第二肺部标注影像，并将各所述第一肺部标注影像以及关联的所述真实肿瘤突变负荷加入一第一数据集合，将各所述第二肺部标注影像以及对应的所述临床生存数据加入一第二数据集合；

步骤S3，所述预测系统根据所述第一数据集合，以所述第一肺部断层扫描影像为输入，以所述真实肿瘤突变负荷为输出，训练得到肿瘤突变负荷预测模型；

步骤S4，所述预测系统将所述第二数据集合中的各所述第二肺部标注影像输入所述肿瘤突变负荷预测模型得到相应的预测肿瘤突变负荷，并处理得到各所述预测肿瘤突变负荷的分布曲线；

步骤S5，所述预测系统根据所述第二数据集合中的各所述临床生存数据进行生存分析得到生存分析曲线，并处理得到所述分布曲线与所述生存分析曲线的相似度以表征所述肿瘤突变负荷预测模型的预测准确率；

医生根据所述肿瘤突变负荷预测模型和所述预测准确率给出晚期肺癌患者的所述免疫治疗的治疗意见。