[发明专利]基于深度学习的癌症预后生存预测方法、设备及存储介质

说明书

本发明揭示了一种基于深度学习的癌症预后生存预测方法、设备及存储介质，所述方法包括：数据获取：获取样本数据，所述样本数据包括样本的病理影像数据和临床数据；数据预处理；训练预测模型：对预测模型进行训练和评估，得到最佳预测模型；风险预测：基于最优分类器模型和所述最佳预测模型，对新样本进行风险预测。与现有技术相比，本发明的基于深度学习的癌症预后生存预测方法，通过对病理影像数据和临床数据的数据特征进行统一，并基于统一数据特征后的病理影像数据和临床数据对预测模型进行训练和评估，得到最优预测模型，对新的样本数据进行预后风险评估，提高该临床领域的诊疗效率和风险评估结果的准确率。

技术领域

本发明属于计算机技术、图像分析处理和临床诊断领域，具体涉及到以机器学习、深度学习为代表的人工智能算法以及临床统计学相关技术，特别涉及一种基于深度学习的癌症预后生存预测方法、设备及存储介质。

背景技术

生存分析指一系列用来探究感兴趣事件的发生的统计方法；与传统的回归问题不同，生存分析的研究目标为事件在特定时间点发生的概率，然后估计对象随时间变化的生存情况，而不仅仅是预测一个目标变量。常规的生存分析技术有Kaplan-Meier（KM方法）和Cox回归等，KM方法是一种无参数方法(non-parametric)来从观察的生存时间来估计生存概率的方法，是单变量分析(univariable analysis)；而Cox回归（比例风险回归模型，proportional hazards model）是一种半参数回归模型，该模型以生存结局和生存时间为因变量同时分析众多因素对生存期的影响。生存分析在临床和生物统计领域有广泛的应用，而癌症的预后情况预测是比较典型的应用场景。

目前对癌症的预后情况预测，一般仅仅是对医学影像类数据（例如病理切片图片）进行诊断分析，而实际上临床数据也是临床诊断的重要依据，这种对单方面数据进行诊断和预测的方法，准确率不高。

因此，如何将医学影像类数据与临床数据进行有效结合，然后对其进行诊断分析和预测，是目前亟待解决的问题。

发明内容

本发明的目的在于提供一种基于深度学习的癌症预后生存预测方法、设备及存储介质。

为实现上述发明目的之一，本发明一实施方式提供一种基于深度学习的癌症预后生存预测方法，所述方法包括：

数据获取：获取样本数据，所述样本数据包括样本的病理影像数据和临床数据；

数据预处理：基于所述样本数据对深度学习分类器模型进行训练和评估，得到最优分类器模型；使用所述最优分类器模型对所述样本数据进行预处理，提取所述病理影像数据中患癌部位的数据特征，每个样本得到一个第一预处理数据，将所述临床数据进行转换以便计算机语言识别，每个样本得到一个第二预处理数据；

训练预测模型：使用所有所述第一预处理数据和第二预处理数据对预测模型进行训练和评估，得到最佳预测模型；

风险预测：基于所述最优分类器模型和所述最佳预测模型，对新样本进行风险预测；

其中，“基于所述样本数据对深度学习分类器模型进行训练和评估，得到最优分类器模型”包括：

以所述样本的病理影像数据为输入数据，通过弱监督深度学习训练和评估分类器模型，得到最优分类器模型，其中所述病理影像数据包括按预设比例收集的患癌病理切片和非患癌病理切片；

“提取所述病理影像数据中患癌部位的数据特征，每个样本得到一个第一预处理数据”包括：

将所述患癌病理切片输入到所述最优分类器模型，选取每个患癌病理切片的前K个患癌概率最高的图片区域，得到所述第一预处理数据；

所述预测模型包括两层，使用所述第一预处理数据和第二预处理数据对所述预测模型进行训练和评估的过程包括：