买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽省立医院(中国科学技术大学附属第一医院)

摘要：本发明涉及人工智能医疗领域，具体涉及一种基于人工智能的GIST靶向药物类型选择预测方法及系统，该系统包括图像采集模块、图像处理模块和预测信息导出模块；图像采集模块，用于获取数字病理图像；图像处理模块用于生成GIST靶向药物类型选择预测模型；预测信息导出模块用于得到与目标对象数字病理图像对应的靶向药物使用类型预测结果；本发明能够针对胃肠道间质瘤患者的数字病理图像开展大量带有伪标签图像数据的弱监督特征学习，辅助模型获取更具有泛化能力的病理图像特征，分类出的靶向药物选择粒度更细，不仅能够识别靶向药物是否需要使用，还能获取更加具体的靶向药物类型信息，从而节省医疗资源。

主权项：1.一种基于人工智能的GIST靶向药物类型选择预测方法，其特征在于，包括以下步骤：获取目标对象的组织病理切片的数字病理图像，将目标对象的组织病理切片的数字病理图像输入GIST靶向药物类型选择预测模型，得到与该数字病理图像对应的靶向药物类型预测结果，其中，GIST靶向药物类型选择预测模型的生成方法为：获取用于模型训练的组织病理切片的数字病理图像，将该数字病理图像切割为若干分块图像，利用预生成的特征提取器提取所有分块图像的特征；将特征输入神经网络模型中进行训练，得到GIST靶向药物类型选择预测模型；其中，将特征输入神经网络模型中进行训练，得到GIST靶向药物类型选择预测模型，包括以下步骤：基于TransMIL网络模型对输入的分块图像的特征进行聚合，以得到一个描述整张数字病理图像的第一全局特征；通过TransMIL网络模型中多头自注意力模块计算每个分块图像的注意力分数，然后将每个分块图像的注意力分数通过softmax操作转为每个分块图像的权重，然后根据权重信息将所有的分块图像特征聚合为第二全局特征；再将第一全局特征和第二全局特征串联拼接，并通过TransMIL网络模型中的线性层映射得到最终的全切片级别的第三全局特征；将第三全局特征输入分类器进行分类，并计算得到一个概率输出；使用交叉熵和平方损失函数计算损失，通过反向传播优化整个网络，通过循环迭代训练得到最终的GIST靶向药物类型选择预测模型，其中，交叉熵和平方损失函数为： ；式中，是第个组织病理切片的预测结果中对于第个类别的概率，是第i张全切片的独热编码形式的标签。

全文数据：

权利要求：

百度查询： 安徽省立医院(中国科学技术大学附属第一医院) 基于人工智能的GIST靶向药物类型选择预测方法及系统