(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 202211187607.6 (22)申请日 2022.09.28 (71)申请人 四川大学华西医院 地址 610000 四川省成 都市武侯区国学巷 37号 (72)发明人 李园　杨雨菡　 (74)专利代理 机构 成都高远知识产权代理事务 所(普通合伙) 51222 专利代理师 郑勇力　全学荣 (51)Int.Cl. G16H 50/20(2018.01) G16H 50/30(2018.01) G06T 7/00(2017.01) G06N 20/10(2019.01) (54)发明名称 一种儿童肝脏肿瘤良恶性预测系统和计算 机可读存 储介质 (57)摘要 本发明属于人工智能诊断技术领域， 具体涉 及一种儿童肝脏肿瘤良恶性预测系统和计算机 可读存储介质。 该系统包括： 数据输入模块， 用于 输入儿童肝脏肿瘤的影像学数据和临床特征数 据； 计算模块， 用于将所述影像学数据和临床特 征数据输入支持向量机算法构建的预测模型， 计 算得到儿童肝脏肿瘤为良性 或恶性的预测结果； 结果输出模块， 用于输出所述预测结果。 本发明 在儿童肝脏肿瘤的良恶性预测 中具有很好的应 用前景。 权利要求书1页 说明书5页 附图1页 CN 115295152 A 2022.11.04 CN 115295152 A 1.一种儿童 肝脏肿瘤良恶性预测系统， 其特 征在于， 包括： 数据输入 模块， 用于 输入儿童 肝脏肿瘤的影 像学数据和临床特 征数据； 计算模块， 用于将所述影像学数据和临床特征数据输入支持向量机算法构建的预测模 型， 计算得到儿童 肝脏肿瘤为良性或恶性的预测结果； 结果输出模块， 用于 输出所述预测结果； 其中， 计算模块从所述影像学数据中提取得到影像特征， 所述影像特征用于输入所述 预测模型， 所述影像特征包括形状、 强度、 纹理或基于小波变换的影像特征中的至少一种； 所述临床特征数据包括确诊年龄、 肿瘤个数、 肿瘤大小、 病理类型、 病理组织学分级、 临床肿 瘤分期、 临床淋巴结分期、 病理肿瘤分期、 病理淋巴结分期、 病理TNM 分期、 分子分型、 手术方 式、 肿瘤是否发生远处转移、 转移时间、 转移部位、 是否死 亡或死亡时间中的至少一种。 2.按照权利要求1所述的儿童肝脏肿瘤良恶性预测系统， 其特征在于： 所述支持向量机 算法的模型类别为c ‑分类， 惩罚系数为1， 核函数为径向基。 3.按照权利要求1所述的儿童肝脏肿瘤良恶性预测系统， 其特征在于： 所述影像学数据 是CT图像数据和/或MRI图像数据。 4.按照权利要求3所述的儿童肝脏肿瘤良恶性预测系统， 其特征在于： 所述CT图像数据 包括平扫期、 动脉期、 门脉期或静脉期中的至少一种， 所述MRI图像数据包括T1平扫增强序 列、 T2加权序列或扩散加权成像序列表 观扩散系数序列中的至少一种。 5.按照权利要求1所述的儿童肝脏肿瘤良恶性预测系统， 其特征在于： 所述影像特征包 括形状、 强度、 纹 理和基于小 波变换的影 像特征。 6.按照权利要求1所述的儿童肝脏肿瘤良恶性预测系统， 其特征在于： 所述临床特征数 据包括确诊年龄、 肿瘤个数、 肿瘤大小、 病理类型、 病理组织学分级、 临床肿瘤分期、 临床淋 巴结分期、 病理肿瘤分期、 病理淋巴结分期、 病理TNM 分期、 分子分型、 手术方式、 肿瘤是否发 生远处转移、 转移时间、 转移部位、 是否死 亡和死亡时间。 7.按照权利要求1所述的儿童肝脏肿瘤良恶性预测系统， 其特征在于： 用于构建所述预 测模型的特 征通过如下步骤得到： 步骤1， 从所述影 像学数据中提取 得到影像特征； 步骤2， 采用随机森林算法对影 像特征进行筛 选， 得到关键影 像特征； 步骤3， 采用单因素分析对临床特 征数据进行筛 选， 得到关键临床特 征； 步骤4， 将所述关键影 像特征和所述关键临床特 征用于构建所述预测模型。 8.按照权利要求7所述的儿童肝脏肿瘤良恶性预测系统， 其特征在于： 步骤1中， 提取影 像特征的步骤包括： 在所述影像学数据中， 对儿童肝脏原发肿瘤病灶的每个层面的靶区边 缘进行ROI勾画， 基于ROI 提取得到影像特征。 9.按照权利要求7所述的儿童肝脏肿瘤良恶性预测系统， 其特征在于： 步骤1中， 对所述 影像学数据进行预处理后再进行提取， 所述预处理的方法为利用3D  Slicer软件的N4IT K模 版对所有的磁共 振图像转 化为0‑255的强度， 进行归一 化处理。 10.一种计算机可读存储介质， 其特征在于： 其上存储有用于实现权利要求1 ‑9任一项 所述儿童 肝脏肿瘤良恶性预测系统的计算机程序。权　利　要　求　书 1/1 页 2 CN 115295152 A 2一种儿童肝 脏肿瘤良恶性预测系统和计算机可 读存储介质 技术领域 [0001]本发明属于人工智能诊断技术领域， 具体涉及一种儿童肝脏肿瘤良恶性预测系统 和计算机可读存 储介质。 背景技术 [0002]儿童肝脏肿瘤是儿童常见的实体肿瘤， 其中恶性肿瘤占比约60%， 肝母细胞瘤为儿 童最常见的原发性肝脏恶性肿瘤。 儿童肝脏恶性肿瘤在 疾病早期通常没有恶性肿瘤的常见 临床症状， 如黄疸， 腹水， 下降等， 与良性肿瘤临床及影像学表现极为相似， 等到有明显症状 体征前来就诊时， 病灶体积往往巨大， 且常伴肝内和 （或） 肝外转移， 因而大部分患儿预后 差。 因此， 判断小儿肝脏占位是否为恶性肿瘤， 尤其在疾病早期， 对疾病的精确诊断具有重 要意义， 也是后期疾病治疗和预后的重要参 考指标之一。 [0003]现有技术中， 通过开腹或者腹腔镜手术或者经皮肝脏穿刺的肝脏活检方式作为有 创病理学检查是诊断儿童肝脏良恶性肿瘤的标准方法。 然而， 肝脏活检作为侵入性操作， 在 临床开展中存在诸多弊端， 从而影响儿童 肝脏肿瘤患者实际接受诊断性 肝脏活检的比例。 [0004]近年来人工智能影像组学的发展， 使得术前无创的肝脏占位诊断成为可能。 现有 技术中， 基于影像组学的儿童肝脏肿瘤诊断模型， 存在样本量小、 缺乏独立验证队列的缺 点， 模型的准确性及稳定性有待提高， 并且仅使用一种影像诊断工具 （电子计算机断层摄 影， CT或者磁共振成像， MRI） ， 未深入挖掘和利用患者的影像数据。 因此， 若能结合多种影像 诊断工具， 研发一项精准、 稳健、 无创的早期儿童 肝脏肿瘤诊断方法具有重要意 义。 [0005]中国发明专利申请 “CN113989552A  基于3D CNN和LSTM的肝脏肿 瘤早期复发预测 方法”公开了一种采用机器学习模型利用影像学信息或生化信息进行肝脏肿瘤诊断的方 法。 然而， 该方法针对成人的肝脏肿瘤诊断进行设计， 儿童肝脏肿瘤和成人的肝脏肿瘤在影 像学信息和生化检测信息上都有较大 的差异。 因而， 现有技术中提供 的方法中采用的模型 和用于构建模型 的特征都不适用于儿童肝脏肿瘤的诊断。 因此， 本领域仍然亟需一种能够 辅助诊断儿童 肝脏肿瘤的人工智能方法和系统。 发明内容 [0006]针对现有技术的问题， 本发明构建了一种用于儿童肝脏肿瘤良恶性鉴别诊断的预 测系统， 实现了对儿童 肝脏肿瘤良恶性的准确诊断。 [0007]一种儿童 肝脏肿瘤良恶性预测系统， 包括： 数据输入 模块， 用于 输入儿童 肝脏肿瘤的影 像学数据和临床特 征数据； 计算模块， 用于将所述影像学数据和临床特征数据 输入支持向量机算法构建的预 测模型， 计算得到儿童 肝脏肿瘤为良性或恶性的预测结果； 结果输出模块， 用于 输出所述预测结果； 其中， 计算模块从所述影像学数据 中提取得到影像特征， 所述影像特征用于输入 所述预测模型， 所述影像特征包括形状、 强度、 纹理或基于小波变换的影像特征中的至少一说　明　书 1/5 页 3 CN 115295152 A 3