[发明专利]分类模型获取方法、表达类别确定方法、装置、设备及介质

权利要求书

1.一种分类模型获取方法，其特征在于，所述方法包括：

针对样本对象的肿瘤区域，获取所述肿瘤区域的多个影像组学特征和多个体素特征；

基于第一筛选因子对多个所述影像组学特征进行筛选，得到多个影像组学特征样本；以及基于第二筛选因子对多个所述体素特征进行筛选，得到多个体素特征样本；其中，所述第一筛选因子和所述第二筛选因子均包括所述样本对象的目标基因的表达类别标签；

基于多个所述影像组学特征样本和多个所述体素特征样本，构建训练样本；

以所述训练样本为输入，对预设模型进行训练，得到所述分类模型，所述分类模型用于预测所述目标基因的表达类别。

2.根据权利要求1所述的方法，其特征在于，所述获取所述肿瘤区域的多个影像组学特征，包括：

从所述肿瘤区域的图像样本中提取属于肿瘤非增强区的第一亚区图像、属于肿瘤增强区的第二亚区图像，以及属于肿瘤周围水肿区的第三亚区图像；

分别对所述第一亚区图像、所述第二亚区图像以及所述第三亚区图像进行特征提取，得到多个所述影像组学特征。

3.根据权利要求1或2所述的方法，其特征在于，所述获取所述肿瘤区域的多个影像组学特征，包括：

获取所述肿瘤区域的多种类型的图像样本，所述多种类型包括T1加权类型、T2加权类型、对比度增强的T1加权类型和T2流体衰减期转恢复类型；

分别对每种类型的图像样本进行特征提取；

将提取到的所述每种类型的图像样本各自对应的影像组学特征进行组合，得到多个所述影像组学特征。

4.根据权利要求1所述的方法，其特征在于，所述肿瘤区域为大脑中的胶质瘤区域，所述方法还包括：

基于所述胶质瘤区域的图像样本，确定所述胶质瘤区域对应的位置信息；

获取所述位置信息对应的位置特征；其中，所述位置信息包括所述胶质瘤区域所属的大脑区域，和/或所述胶质瘤区域在所述大脑中的位置坐标；

基于多个所述影像组学特征样本和多个所述体素特征样本，构建训练样本，包括：

基于所述位置特征、多个所述影像组学特征样本和多个所述体素特征样本，构建所述训练样本。

5.根据权利要求1所述的方法，其特征在于，所述第一筛选因子包括所述表达类别标签和所述肿瘤区域的肿瘤分级标签；所述基于第一筛选因子对多个所述影像组学特征进行筛选，得到多个影像组学特征样本，包括：

基于每个所述影像组学特征与所述表达类别标签之间的第一关系值，对多个所述影像组学特征进行筛选，得到多个第一影像组学特征；其中，所述第一关系值用于表征所述影像组学特征与所述目标基因的突变之间的关联程度；

基于每个所述影像组学特征与所述肿瘤分级标签之间的第二关系值，对多个所述影像组学特征进行筛选，得到多个第二影像组学特征；其中，所述第二关系值用于表征所述影像组学特征与所述肿瘤分级之间的关联程度；

对多个所述第一影像组学特征和多个第二影像组学特征进行去重，得到多个所述影像组学特征样本。

6.根据权利要求1-5任一所述的方法，其特征在于，包括多个所述样本对象，所述方法还包括：

针对全部所述样本对象所包括的全部影像组学特征，基于第三筛选因子对所述全部影像组学特征进行筛选，得到补充性影像组学特征样本；其中，所述第三筛选因子包括多个所述样本对象各自对应的临床数据；

基于多个所述影像组学特征样本和多个所述体素特征样本，构建训练样本，包括：

基于多个所述影像组学特征样本、多个所述体素特征样本和多个所述补充性影像组学特征样本，构建所述训练样本。