基于弱监督深度序数回归网络的WSI生存预测方法
申请人信息
- 申请人:华南理工大学
- 申请人地址:510640 广东省广州市天河区五山路381号
- 发明人: 华南理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于弱监督深度序数回归网络的WSI生存预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311619000.5 |
| 申请日 | 2023/11/30 |
| 公告号 | CN117333485A |
| 公开日 | 2024/1/2 |
| IPC主分类号 | G06T7/00 |
| 权利人 | 华南理工大学 |
| 发明人 | 余晋刚; 明煜; 吴梓浩; 邓树乐 |
| 地址 | 广东省广州市天河区五山路381号 |
摘要文本
华南理工大学获取“一种透气窗帘布”专利技术，本发明公开了一种基于弱监督深度序数回归网络的WSI生存预测方法，方法为：构建观察数据集；构建并训练CADOR‑Cox网络，步骤为：对癌症患者WSI进行预处理切分成图像块；使用特征提取器进行特征提取得到图像块的特征向量；输入特征融合模块中进行特征融合获取癌症患者WSI的特征向量；将癌症患者WSI的特征向量分别输入Cox回归头和CADOR回归头中构建损失函数；以多任务学习方式进行迭代训练，优化损失函数并通过反向传播更新网络参数得到训练好的CADOR‑Cox网络；将待分析癌症患者的观察数据集输入网络中进行生存预测获取预测结果。本发明能够利用完整的标注信息进行生存分析预测，性能良好且预测结果准确。
专利主权项内容
1.基于弱监督深度序数回归网络的WSI生存预测方法，其特征在于，包括下述步骤：获取癌症患者WSI、癌症患者随访观察时间和数据删失情况，构建观察数据集；构建CADOR-Cox网络，包括特征提取器、特征融合模块、Cox回归头和CADOR回归头；使用观察数据集训练CADOR-Cox网络，包括：对癌症患者WSI进行预处理，获取组织部分并切分成图像块；使用经过ImageNet预训练的特征提取器对图像块进行特征提取，得到图像块的特征向量并固定特征提取器的权重参数；将图像块的特征向量输入特征融合模块中进行特征融合，获取癌症患者WSI的特征向量；将癌症患者WSI的特征向量分别输入Cox回归头和CADOR回归头中输出风险预测值和生存时间预测值，并构建损失函数；对CADOR-Cox网络以多任务学习的方式进行迭代训练，优化损失函数并通过反向传播更新网络参数，得到训练好的CADOR-Cox网络；将待分析癌症患者的观察数据集输入训练好的CADOR-Cox网络中，进行生存预测获取预测结果。 关注公众号马 克 数 据 网