[发明专利]CT影像的处理方法及装置

说明书

本申请公开了一种CT影像的处理方法及装置。该CT影像的处理方法包括从存储设备中获取患者的CT影像和病历文本；将所述CT影像进行数据预处理，确定第一特征，其中，所述第一特征为影像学深度特征；将所述病历文本进行数据结构化，确定第二特征，其中，所述第二特征为文本类特征；将所述第一特征和所述第二特征进行特征融合后输入至预测模型中，得到基因型预测结果，其中，所述预测模型为基于多组预测样本数据通过机器学习训练得出的，多组预测样本数据中的每组数据均包括：所述第一特征、所述第二特征和基因型，预测样本数据是通过大数据的方式收集的。本申请解决了如何不受医生经验限制就能辅助医生进行肺癌基因型检测的技术问题。

技术领域

本申请涉及CT影像处理领域，具体而言，涉及一种CT影像的处理方法及装置。

背景技术

近十年来，肺癌仍然是世界范围内发生率、致死率最高的癌症之一，而非小细胞型肺癌(nonsmall-cell lung cancer，以下简称为NSCLC)占据了超过85％的肺癌患者，随着有关非小细胞癌的分子生物学的研究的发展，靶向治疗成为了针对非小细胞癌的可能途径。其中，表皮生长因子受体络氨酸激酶抑制剂(epidermal growth factor receptor-tyrosine kinase inhibitor，以下简称为EGFR-TKI)已成为治疗NSCLC的常用药物，并取得了不错的疗效；与此同时，近期研究也显示出，对于KRAS基因突变的癌症患者，可能表现出对于TKI药物的耐药现象。因此鉴别肺癌患者病灶多基因型的突变情况，对后期的靶向药物的治疗具有重要的指向作用，可以有效提高就诊的效率并节省不必要的药物使用。

相关技术中通常通过腰椎穿刺进行活体检测来判断患者基因型，非常耗时，而且受限于医生的经验，通常只有经验丰富的医生才可以进行较准确的判断，对医生的经验要求较高，在有经验的医生比较匮乏的医院无法满足患者的需求。

针对相关技术中存在的问题，亟需提出一种能够辅助医生进行肺癌基因型检测的方式。

发明内容

本申请的主要目的在于提供一种CT影像的处理方法，以解决如何不受医生经验限制就能辅助医生进行肺癌基因型检测的问题。

为了实现上述目的，本申请提供了一种CT影像的处理方法及装置。

第一方面，本申请提供了一种CT影像的处理方法。

根据本申请的CT影像的处理方法包括：

从存储设备中获取患者的CT影像和病历文本；

将所述CT影像进行数据预处理，确定第一特征，其中，所述第一特征为影像学深度特征；

将所述病历文本进行数据结构化，确定第二特征，其中，所述第二特征为文本类特征；

将所述第一特征和所述第二特征进行特征融合后输入至预测模型中，得到基因型预测结果，其中，所述预测模型为基于多组预测样本数据通过机器学习训练得出的，多组预测样本数据中的每组数据均包括：所述第一特征、所述第二特征和基因型，预测样本数据是通过大数据的方式收集的。

进一步的，所述将所述CT影像进行数据预处理，确定第一特征，包括：

将肺癌病灶区域图像按照预设尺寸进行块状切割；

将每一块三维图像输入至特征提取模型中，提取第一特征，其中，所述特征提取模型为基于训练样本数据通过卷积神经网络预先训练得出的，所述训练样本包括：肺癌病灶区域图像切割的三维图像块，每一块三维图像对应的第一特征。

进一步的，所述将所述病历文本进行数据结构化，确定第二特征，包括：

提取所述病历文本中的生理学特征和人口学特征，并将所述生理学特征和所述人口学特征进行向量化处理；

将向量化后的生理学特征和人口学特征通过归一化处理确定第二特征。