肝胆管细胞癌术后的复发情况预测方法

本发明涉及计算机，尤其涉及一种肝胆管细胞癌术后的复发情况预测方法。

背景技术：

1、肝内胆管细胞癌(intrahepaticcholangiocarcinoma，icc)是一种恶性肿瘤，起源于左右肝管汇合部上方的胆管，是原发性肝癌中最常见的类型之一。这类癌症的早期症状不太明显，但随着病情进展，可能会出现非特异性的腹部症状。使用ct和mri可以帮助确定诊断，然而，大多数患者在确诊时已经处于晚期，因此肝切除术成为最佳的治疗方案，而放疗和化疗则只能作为辅助手段，总体预后不佳。原发性肝癌是一种全球性的癌症，其发病率高达第六位，而死亡率则位居第二位。在解剖学的定义里，肝内胆管是指汇合在左右肝管以上的胆管。肝内胆管细胞癌是一种发源于这些胆管的恶性肿瘤，常见的例如肝内胆管结石、肝硬化、病毒性肝炎、胆汁淤积、胆管长期炎症刺激等因素均有可能诱导其发生。除肝细胞癌外，icc是最常见的原发性肝癌类型之一，其在所有原发性肝癌病例中所占比例为10％至15％。据统计，2018年全球共有8.4万至12.6万名患者被诊断为icc，但地域分布存在巨大差异，其中近四分之三的病例来自太平洋西岸国家，且男性患者多于女性。根据数据显示，我国icc的发病人数约占全世界发病总人数一半，在2008年至2012年期间，我国icc的年龄标准化发病率约为0.63/10万，且正以年均约百分之十一点一的速率上升,在乡村甚至超过了城市。icc是一类恶性度很高的恶性肿瘤，几乎没有早期干预手段，尽管可通过药物、化疗和放疗等各种医疗手段进行治疗，但是世界范围内icc发生率却没有明显的下降，相反，在很多发达国家却呈上升态势，已经变成了危害人体生命的主要病症之一。

2、ct扫描是icc检查的重要手段之一。它能够相对准确地评估肿瘤的位置、大小以及与周围组织的关系。此外，ct扫描还能显示肿瘤血管分布和淋巴结受累性等特征，这些特征对可切除性的评估有很大帮助，同时也为治疗方案的选择提供了重要参考依据。在平扫图像中，肝内的肿块呈现为低于肝实质的均匀或不均匀的低密度区域，边界相对模糊且一般没有包膜或者包膜已经退缩，形状多为圆形或不规则形状。此外，肝内胆管可能出现与肿瘤相关联的不同程度的节段性或局域性扩张。在增强ct中，肝内胆管癌通常会在动脉期和门静脉期表现出不同的强化程度。在动脉期，肝内胆管癌往往呈现出明显的强化，而在门静脉期则呈现出稍微低于肝实质的强化。而在延迟期，则会呈向心进行性增强的特征，即造影剂将充满焦点中心并逐渐扩散至中心周围区域，强度也将逐渐增大。此外，随着先进后处理技术的应用，例如多平面重建、轴向和冠状面最大强度投影以及三维体绘制图像，医生们可以更加精准地观察血管和胆道解剖结构，帮助诊断icc，但是仍需要专业且经验丰富的医生进行诊断。

技术实现思路

1、本发明的目的就在于为了解决上述问题设计了一种肝胆管细胞癌术后的复发情况预测方法。

2、本发明通过以下技术方案来实现上述目的：

3、肝胆管细胞癌术后的复发情况预测方法，包括：

4、s1、构建复发情况预测模型，复发情况预测模型包括图像分割模块、指标数据分析模块和预测分析模块，图像分割模块的输出和指标数据分析模块的输出均作为预测模块的输入，图像分割模块依次包括初始卷积层、池化层、n层下采样层、n层第一上采样层和输出模块，从1到n顺序的下采样层的输出依次与从n到1顺序的第一上采样层的输出跳跃连接，初始卷积层对原始ct图像进行卷积、正则化并利用relu函数进行激活，池化层对激活得到的特征进行最大池化后的中间特征；

5、s2、获取训练数据集，训练数据包括ct图像和病例指标；

6、s3、训练数据集导入复发情况预测模型，并对其进行训练优化；

7、s4、获取待预测数据；

8、s5、利用优化后的复发情况预测模型对待预测数据进行分析得到，肝胆管细胞癌术后的复发情况。

9、本发明的有益效果在于：除了对ct图像进行充分利用外，本方法还将病例所对应的指标数据与其图像数据进行了融合使用，以补充ct图像无法表达的信息。通过不断地优化训练，最终得到了具有良好性能的术后复发情况预测模型。

技术特征：

1.肝胆管细胞癌术后的复发情况预测方法，其特征在于，包括：

2.根据权利要求1所述的肝胆管细胞癌术后的复发情况预测方法，其特征在于，指标数据分析模块包括多组顺序连接的组合模块，每组组合模块包括正则化层和线性层，相邻两个组合模块之间采用relu进行激活。

3.根据权利要求1所述的肝胆管细胞癌术后的复发情况预测方法，其特征在于，预测分析模块包括：

4.根据权利要求3所述的肝胆管细胞癌术后的复发情况预测方法，其特征在于，第一transformer模块包括至少一个transformer模型，卷积网络层包括至少一个卷积网络模块，卷积网络模块与transformer模型的数量相同。

5.根据权利要求2所述的肝胆管细胞癌术后的复发情况预测方法，其特征在于，预测分析模块包括：

6.根据权利要求5所述的肝胆管细胞癌术后的复发情况预测方法，其特征在于，指标数据分析模块还包括强化学习模块，强化学习模块采用了演员评论家算法模型，强化学习模块包括actor模型和critic模型，actor模型用来对指标数据赋权，critic模型用来对actor模型的好坏做出评价，actor模型的输出分别作为critic模型的输入和第一个组合模块的输入，critic模型的输出作为actor模型的输入，在s3中，对复发情况预测模型进行训练优化时，通过广义优势估计gae进行优势估计，并利用ppo算法对actor模型的网络参数和critic模型的网络参数进行更新。

7.根据权利要求3或5所述的肝胆管细胞癌术后的复发情况预测方法，其特征在于，在s3中，复发情况预测模型进行训练优化时，使用的损失函数表示为loss＝α×lossconv+(1-α)×losstrans，其中，α为系数，lossconv表示卷积网络层或特征提取卷积网络的损失，losstrans表示第一transformer模块或第二transformer模块的损失。

8.根据权利要求7所述的肝胆管细胞癌术后的复发情况预测方法，其特征在于，对于卷积网络和transformer模型各自的损失而言，采用交叉熵损失函数，表示为其中pij为输入序列中第i个样本属于第j类的概率，cij为一个二值函数，当第i个样本的标签恰好为j时，cij的值为1，否则cij的值为0。

技术总结
本发明公开了肝胆管细胞癌术后的复发情况预测方法，涉及计算机技术领域，包括S1构建复发情况预测模型，复发情况预测模型包括图像分割模块、指标数据分析模块和预测分析模块；S2获取训练数据集，训练数据包括CT图像和病例指标；S3训练数据集导入复发情况预测模型，并对其进行训练优化；S4获取待预测数据；S5利用优化后的复发情况预测模型对待预测数据进行分析得到，肝胆管细胞癌术后的复发情况；除了对CT图像进行充分利用外，本方法还将病例所对应的指标数据与其图像数据进行了融合使用，以补充CT图像无法表达的信息。通过不断地优化训练，最终得到了具有良好性能的术后复发情况预测模型。

技术研发人员：刘明辉,王晓敏,范世晓,刘念伯,龚海刚,程旋,刘明
受保护的技术使用者：电子科技大学长三角研究院（衢州）
技术研发日：
技术公布日：2024/1/15