(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211186592.1 (22)申请日 2022.09.27 (71)申请人 山东第一医科 大学 （山东省医学 科 学院） 地址 250117 山东省济南市槐荫区青岛路 6699号 (72)发明人 潘玉藤　石丽婷　邱建峰　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 马海波 (51)Int.Cl. G16H 50/30(2018.01) G16H 50/70(2018.01) G16H 30/20(2018.01) G16B 25/10(2019.01)G16B 20/30(2019.01) G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 一种基于影像、 病理和基因多组学的肺癌预 后预测系统 (57)摘要 本发明提出了一种基于影像、 病理和基因的 多组学肺癌预后预测系统， 其特征在于， 包括： 获 取模块： 获取患者放疗前医学影响图、 病理切片 扫描图、 基因测试数据和放射治疗辐射剂量分布 数据并进行处理， 作为特征数据集； 预测模块： 对 特征数据集中的特征数据利用机器学习算法训 练预测模型， 得到训练好的预测模 型用于肺癌预 后预测。 权利要求书1页 说明书4页 附图1页 CN 115497623 A 2022.12.20 CN 115497623 A 1.一种基于影 像、 病理和基因的多组学肺癌预后预测系统， 其特 征在于， 包括： 获取模块： 获取患者放疗前医学影像特征、 病理切片扫描图、 基因测试数据和放射治疗 辐射剂量分布数据并进行处 理， 作为特 征数据集； 预测模块： 对特征数据集中的特征数据利用机器学习算法训练预测模型， 得到训练好 的预测模型用于肺癌预后预测。 2.如权利要求1所述的一种基于影像、 病理和基因的多组学肺癌预后预测系统， 其特征 在于， 在获取模块中， 所述医学影像特征包括形状特征、 一阶统计学特征、 高阶纹理特征、 滤 波变换特征和深度影 像学特征。 3.如权利要求2所述的一种基于影像、 病理和基因的多组学肺癌预后预测系统， 其特征 在于， 所述形状特征描述了ROI的形状特征和3维尺 寸， 包括体积、 质量、 表 面积、 球形度和圆 度； 所述高阶纹理特征为使用灰度共生矩阵、 灰度游程长度矩阵和邻域强度差矩阵计算的 高阶统计描述符； 所述滤波变换 特征是基于LoG应用于图像所提取的强度和纹 理特征。 4.如权利要求1所述的一种基于影像、 病理和基因的多组学肺癌预后预测系统， 其特征 在于， 在获取模块中， 基于病理切片扫描图， 对放疗前肿瘤组织样本 分别进行HE染色和免疫 组化检测， 分别采用人工计数和人工智能算法提取半定量 化和定量 化的病理图像特 征。 5.如权利要求1所述的一种基于影像、 病理和基因的多组学肺癌预后预测系统， 其特征 在于， 在获取模块中， 放射治疗辐 射剂量分布包括计划靶区体积的剂量分布和肺的剂量分 布。 6.如权利要求1所述的一种基于影像、 病理和基因的多组学肺癌预后预测系统， 其特征 在于， 在所述预测模块中， 采用SBE ‑SVM分类器作为预测模型。 7.如权利要求1所述的一种基于影像、 病理和基因的多组学肺癌预后预测系统， 其特征 在于， 在预测模块中， 在预测模型 的训练过程利用分层交叉验证计算不同特征之间的相关 性。 8.如权利要求1所述的一种基于影像、 病理和基因的多组学肺癌预后预测系统， 其特征 在于， 在获取模块中， 对所获取的数据特 征进行归一 化处理。 9.如权利要求1所述的一种基于影像、 病理和基因的多组学肺癌预后预测系统， 其特征 在于， 在预测模块中， 采用排列校验评估预测模型的统计显著性。 10.如权利要求1所述的一种基于影像、 病理和基因的多组学肺癌预后预测系统， 其特 征在于， 在获取模块中， 对医学影像特征提取前， 对医学影像图进 行重新采样和重新划分灰 度范围。权　利　要　求　书 1/1 页 2 CN 115497623 A 2一种基于影像、 病理和基因多组学的肺癌预后预测系统 技术领域 [0001]本发明属于肺癌预后预测相关技术领域， 尤其涉及一种基于影像、 病理和基因多 组学的肺癌预后预测系统。 背景技术 [0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息， 不必然构成在先技 术。 [0003]肺癌是严重影响人类健康的重大恶性疾病之一， 放射治疗是肺癌临床治疗的重要 手段。 然而由于肿瘤细胞分型、 间质和免疫微环境的不同， 以及肿瘤内部空间异质性差异， 使得肺癌放疗的临床疗效评估不够准确， 无法实现放疗计划基于疗效预测结果的动态逆向 调整。 [0004]肿瘤异质性导致的放疗方案失败原因可能是多样的。 肿瘤细胞类型、 基因表达、 线 粒体能量代谢等可能导致放疗结果不理想。 如果不能在放疗过程中及时追踪病灶在医学影 像和病理切片上的差异， 不对放疗计划进行针对性调整， 将严重治疗效果。 [0005]现有的方案中对肺癌预后通常仅 使用单一类型的数据进行预后预测， 其存在预测 不准确的问题。 发明内容 [0006]为克服上述现有技术的不足， 本发明提出一种基于影像、 病理和基因多组学的肺 癌预后预测系统， 融合影像、 病理和 基因等多组学信息， 并纳入放疗辐射剂量的方法， 通过 多尺度多组学的数据类型对肺癌放疗患者放疗结果预后进 行预测分析， 提高了疾病诊断和 资治疗精准度。 [0007]为实现上述目的， 本发明的一个或多个实施例提供了如下技术方案： 一种基于影 像、 病理和基因的多组学肺癌预后预测系统， 包括： [0008]数据获取模块： 获取患者放疗前医学影响图、 病理切片扫描图、 基因测试数据和放 射治疗辐射剂量分布数据并进行处 理， 作为特 征数据集； [0009]预测模块： 对特征数据集中的特征数据利用机器学习算法训练预测模型， 得到训 练好的预测模型用于肺癌预后预测。 [0010]以上一个或多个技 术方案存在以下有益效果： [0011]本发明提供了基于深度学习， 融合影像、 病理和基因等多组学信息， 并纳入放疗辐 射剂量的方法， 作为对肺癌放疗患者 放疗结果预后预测分析。 [0012]本发明附加方面的优点将在下面的描述中部分给出， 部分将从下面的描述中变得 明显， 或通过本发明的实 践了解到 。 附图说明 [0013]构成本发明的一部分的说明书附图用来提供对本发明的进一步理解， 本发明的示说　明　书 1/4 页 3 CN 115497623 A 3