[发明专利]基于影像与基因特征融合的肺癌亚型诊断系统

说明书

本发明公开了基于影像与基因特征融合的肺癌亚型诊断系统，数据获取模块，获取同一患者的待诊断影像数据和待诊断基因数据；影像特征提取模块，从待诊断影像数据中，提取不同分辨率下的待诊断影像特征；基因特征提取模块，从待诊断基因数据中，提取待诊断基因特征；特征融合与亚型诊断模块，将待诊断基因特征与每个分辨率下的待诊断影像特征进行特征融合，得到每个分辨率下的待诊断融合特征；对每个分辨率下的待诊断融合特征进行诊断，得到每个分辨率下的诊断结果；将所有分辨率下的诊断结果进行融合，得到当前患者的肺癌亚型诊断结果。通过捕捉患者融合的特征中最有关联性的特征，有效降低特征融合带来的冗余性问题从而实现癌症亚型的精准诊断。

技术领域

本发明涉及人工智能数据挖掘分类及生物信息学技术领域，特别是涉及基于影像与基因特征融合的肺癌亚型诊断系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

人工智能背景下，机器学习技术可以通过融合患者的影像与基因数据来帮助医生进行肺癌亚型的辅助诊断，如何根据患者提供的数据实现更加精准的亚型诊断，是当前机器学习技术在癌症诊断应用中仍待提升的难点。

目前对基因数据的处理方法有：采用全部基因位点，手动筛选最突变基因位点以及主成分分析(PCA)降维方法等；目前对于病理影像数据的处理方法主要有：人为地提取影像特征、将高分辨率病理影像切割为子切片，利用卷积神经网络(CNN)提取切片特征并将其诊断结果整合以得到影像级别诊断结果等；考虑到不同视图的特征具有一定程度的互补性，将患者的影像数据与基因数据的结合可以帮助我们获得一个更好的诊断结果，目前主要有分别对各个数据进行诊断并在结果层面投票整合、将影像特征与基因特征拼接并做诊断等方法。

由于基因数据特征的高维性、病理影像中非感兴趣区域的存在以及影像特征与基因特征融合后带来的冗余性等问题，使得肺癌亚型的精准诊断在机器学习技术中还存在较多的改进空间。

发明内容

为了解决现有技术的不足，本发明提供了基于影像与基因特征融合的肺癌亚型诊断系统；基于注意力的基因特征提取网络可以自适应的捕捉患者基因数据中重要的突变位点并给予该位点更大的注意力权重，从而可以缓解基因数据的高维性带来的过拟合问题并能使得特征提取网络具备一定的可解释性。对影像特征的提取与组合方法可以降低病理影像中假阳性区域在特征组合时的影响。此外，基于注意力的癌症亚型诊断网络可以捕捉患者融合的特征中最有关联性的特征，可以有效降低特征融合带来的冗余性问题从而实现癌症亚型的精准诊断。

第一方面，本发明提供了基于影像与基因特征融合的肺癌亚型诊断系统；

基于影像与基因特征融合的肺癌亚型诊断系统，包括：

数据获取模块，其被配置为：获取同一患者的待诊断影像数据和待诊断基因数据；

影像特征提取模块，其被配置为：从待诊断影像数据中，提取不同分辨率下的待诊断影像特征；

基因特征提取模块，其被配置为：从待诊断基因数据中，提取待诊断基因特征；

特征融合与亚型诊断模块，其被配置为：将待诊断基因特征与每个分辨率下的待诊断影像特征进行特征融合，得到每个分辨率下的待诊断融合特征；对每个分辨率下的待诊断融合特征进行诊断，得到每个分辨率下的诊断结果；将所有分辨率下的诊断结果进行融合，得到当前患者的肺癌亚型诊断结果。

第二方面，本发明还提供了一种电子设备，包括：

存储器，用于非暂时性存储计算机可读指令；以及

处理器，用于运行所述计算机可读指令，

其中，所述计算机可读指令被所述处理器运行时，执行以下步骤：

获取同一患者的待诊断影像数据和待诊断基因数据；