公开(公告)号：CN119207552A

公开(公告)日：2024-12-27

申请号：CN202411241239.8

申请日：2024-09-05

Applicant: 上海交通大学医学院附属瑞金医院

Inventor： 李彦 ,  王成彦 ,  严福华 ,  刘猛

IPC: G16B20/20 ,  G16B40/00 ,  G06F18/214 ,  G06F18/243 ,  G06F18/25 ,  G16H50/30 ,  G06F18/23

Abstract: 本发明提供了一种基于多模态图学习模型的疾病风险预测方法，涉及医疗技术领域，包括：S1、收集全身多器官的原始影像数据和全基因组数据；S2、使用深度学习模型提取不同器官的影像数据中的影像衍生表型；S3、计算不同疾病的多基因风险评分；S4、基于影像衍生表型和多基因风险评分，使用随机森林算法导出的Gini系数的平均减少值对特征重要性进行排序，得到排序后的特征；S5、基于不同器官的原始影像数据和排序后的特征，构建基于多模态图学习模型的疾病风险预测模型。本发明采用上述的一种基于多模态图学习模型的疾病风险预测方法，将多器官影像与基因组信息融合分析，显著提高了疾病风险预测的精确性和全面性。

公开(公告)号：CN117058093A

公开(公告)日：2023-11-14

申请号：CN202311013946.7

申请日：2023-08-14

Applicant: 上海交通大学医学院附属瑞金医院

Inventor： 严福华 ,  李若坤 ,  王成彦 ,  李彦 ,  周家豪 ,  胡旭梅

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06V20/69 ,  G06V10/25 ,  G16B30/00

Abstract: 本发明公开了一种影像组学结合深度学习模型的Ki‑67在肝癌表达中的预测方法，其特征在于创新性地将影像组学和深度学习两种方法相结合，有效地预测了Ki‑67指标在肝癌中的高低表达情况。利用包含六种网络架构的CNN深度学习方法包括Inception‑Resnet、Resnet、Inception、Resnet4、VGG16、VGG19和Xception用于深度特征提取。此外，还使用Pyradiomics从DCE、DWI和T2加权图像、c‑map和φ‑map中提取了放射组学特征。在两者的基础上融入临床数据，利用LASSO以及SVM进行预测。通过对比有无c‑map和φ‑map特征数据，说明了c‑map和φ‑map在预测Ki‑67表达时的良好作用。