(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210766755.7 (22)申请日 2022.06.30 (71)申请人 苏州大学 地址 215000 江苏省苏州市十 梓街1号 (72)发明人 向德辉　韩召然　 (74)专利代理 机构 苏州隆恒知识产权代理事务 所(普通合伙) 32366 专利代理师 金京 (51)Int.Cl. G16H 70/60(2018.01) G16H 30/00(2018.01) G06V 20/50(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/54(2022.01)G06V 10/50(2022.01) G06V 10/422(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 胰腺癌淋巴结转移分期预测方法、 装置和存 储介质 (57)摘要 本申请公开了一种胰腺癌淋巴结转移分期 预测方法、 装置和存储介质， 涉及图像处理技术 领域， 包括： 获取胰腺MRI序列； 将 胰腺MRI序列输 入至胰腺癌淋巴结转移分期预测网络中， 通过胰 腺癌淋巴结转移分期预测网络 预测胰腺MRI序列 的淋巴结转移分期； 胰腺癌淋巴结转移分期预测 网络包括： 预处理模块、 单支路特征提取网络和 多支路特征融合网络； 预处理模块， 用于对胰腺 MRI序列进行预处理， 得到影像组学特征； 单支路 特征提取网络， 用于提取胰腺MRI序列中的胰腺 肿瘤特征； 多支路特征融合网络， 用于根据胰腺 MRI序列的影像组学特征、 胰腺肿瘤特征以及对 应患者的临床特征， 预测胰腺MRI序列所对应的 淋巴结转移分期。 解决了 现有技术中通过人为主 观判断准确率较低的问题。 权利要求书2页 说明书13页 附图4页 CN 115116625 A 2022.09.27 CN 115116625 A 1.一种胰腺癌淋巴结转移分期预测方法， 其特 征在于， 所述预测方法包括： 获取胰腺MRI序列； 将所述胰腺MRI序列输入至胰腺癌淋巴结转移分期预测网络中， 通过所述胰腺癌淋巴 结转移分期预测网络预测所述胰腺MRI序列的淋巴结转移分期； 其中， 所述胰腺癌淋巴结转 移分期预测网络包括： 预处 理模块、 单支路特 征提取网络和多支路特 征融合网络； 所述预处 理模块， 用于对所述胰腺MRI序列进行 预处理， 得到影 像组学特征； 所述单支路特 征提取网络， 用于提取 所述胰腺MRI序列中的胰腺肿瘤特 征； 所述多支路特征融合网络， 用于根据所述胰腺MRI序列的影像组学特征、 所述胰腺肿瘤 特征以及所述MRI序列对应患者的临床特征， 预测所述胰腺MRI序列所对应的淋巴结转移分 期。 2.根据权利要求1所述的方法， 其特 征在于， 所述预处 理模块， 还用于： 接收在所述胰腺MRI序列中标注胰腺肿瘤区域的标注指令， 根据所述标注指令在所述 MRI序列中标注胰腺肿瘤区域； 对所述胰腺MRI序列进行像素归一 化； 在标注所述胰腺肿瘤区域以及归一 化后的所述MRI序列中提取 所述影像组学特征。 3.根据权利要求1所述的方法， 其特征在于， 所述单支路特征提取网络包括： 卷积层、 n 个残差层和全连接层， n 为大于1的整数； 所述卷积层， 用于对输入的所述胰腺MRI序列进行 卷积， 得到特 征图； 所述残差层， 用于进行 特征提取及对特 征图下采样； 所述全连接层， 用于对提取到的特 征进行全连接 。 4.根据权利要求3所述的方法， 其特征在于， 所述预测网络还包括： 设置在相邻两个残 差层之间的多 级交互空间注意力模块； 所述多级交互空间注意力模块， 用于对下采样后得到的两个特征图进行融合， 并通过 胰腺肿瘤分割图进行约束， 得到约束后的特 征图， 将处 理后的特 征图输入至下一层。 5.根据权利要求1所述的方法， 其特征在于， 所述多支路特征融合网络包括第一分支、 第二分支和第三分支； 所述第一分支， 用于对所述单支路特征提取网络提取到的所述胰腺肿瘤特征进行拼 接， 得到拼接后的第一特 征； 所述第二分支， 用于对所述影 像组学特征进行特征拼接， 得到第二特 征； 所述第三分支， 用于根据 所述第一特征、 所述第 二特征和所述临床特征， 预测得到所述 淋巴结转移分期。 6.根据权利要求5所述的方法， 其特征在于， 所述预测网络还包括： 设置在所述单支路 特征提取网络和所述第一分支之间的交 互通道自注意力模块； 所述交互通道自注意力模块， 用于根据所述单支路特征提取网络提取到的所述胰腺肿 瘤特征获取注意力特征向量， 并将获取得到的注意力特征向量输入所述第一分支进行拼 接。 7.根据权利要求6所述的方法， 其特征在于， 所述预测网络还包括： 设置在所述交互通 道自注意力模块和所述第一分支之间的多序列融合模块； 所述多序列融合模块， 用于对所述交互通道自注意力模块输出的注意力特征向量两两权　利　要　求　书 1/2 页 2 CN 115116625 A 2融合， 将融合后的特 征输入至所述第一分支进行拼接 。 8.根据权利要求5所述的方法， 其特 征在于， 所述第二分支包括全连接层和拼接层； 所述全连接层， 用于对所述影像组学特征进行计算， 并将计算后的特征输入至所述拼 接层； 所述拼接层， 用于对接收到的各个特征进行拼接， 将拼接后的特征输入至所述第三分 支。 9.根据权利要求8所述的方法， 其特征在于， 所述预测网络还包括： 设置在所述全连接 层和所述 拼接层之间的多序列融合模块； 所述多序列融合模块对所述全连接层计算后的特征两两融合， 并将融合后的特征输入 至所述拼接层。 10.一种胰腺癌淋巴结转移分期预测装置， 其特征在于， 所述装置包括存储器和处理 器， 所述存储器中存储有至少一条程序指令， 所述处理器通过加载并执行所述至少一条程 序指令以实现如权利要求1至9任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115116625 A 3