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！

摘要：本发明基于深度学习技术在医学影像中的应用，结合多模态特征融合、自注意力机制和对抗学习等方法，提出了一种全新的程序性死亡配体1PD‑L1水平和免疫治疗反应预测算法。该算法包括以下步骤：数据预处理、编码器特征提取、影像组学特征提取、多模态特征融合、PD‑L1水平预测和免疫治疗反应预测。本发明首次将病理图像HE染色切片、CT图像和临床数据整合到一个深度学习模型中，用于预测食管鳞状细胞癌ESCC患者的PD‑L1水平。此外，通过提取免疫治疗患者的PD‑L1特征，构建了预测免疫治疗反应的模型。通过融合多模态数据，模型在预测PD‑L1任务中auc＝0.835，在免疫治疗反应任务中auc＝0.806，为肿瘤治疗领域的相关研究提供了新的思路和方法，并为临床治疗提供了有益的参考。

主权项：1.一种食管癌PD-L1生物标志物和免疫治疗响应的多模态预测算法，其特征在于：包括步骤：1数据筛选：模型所需的数据为病人的病理图像、CT图像和临床数据，PD-L1蛋白表达水平和免疫治疗反应标签。2根据PD-L1表达数据生成二值化0或1标签，0表示低表达，1表示对高表达。根据免疫治疗反应数据生成二值化标签，1表示响应者，0表示对非响应者。3数据预处理：对于每张病理图像，将其分割为小块。对于CT图像，我们从肿瘤区域提取放射组学特征。对于临床变量，我们对其进行标准化并编码处理。4采用基于对比学习的无监督域适应方法，在病理图像大量未标记的小块上训练特征提取器，从而为下游任务提取小块级特征。5通过自注意力机制来调整多模态特征的权重，应用平均池化以获得用于下游预测任务的患者级别特征。基于融合的患者级别特征，我们使用预测器预测PD-L1水平。6考虑到PD-L1的表达水平与免疫治疗反应密切相关，高PD-L1水平通常预示着对免疫治疗有利的反应，因此我们将从PD-L1水平预测模型中衍生的特征使用预测器进行免疫治疗反应预测。所述步骤1中，我们回顾性地整理了220名接受食管切除术的ESCC患者作为PD-L1队列，75名接受免疫检查点抑制剂单独或联合化疗治疗的免疫治疗队列。本研究数据经苏州大学附属第三医院伦理委员会批准批准编号：2024-KD139，并按照《赫尔辛基宣言》进行。

全文数据：

权利要求：

百度查询： 南京工业大学 一种食管癌PD-L1生物标志物和免疫治疗响应的多模态预测算法