[發明專利]遷移學習輔助預測系統及方法

有效

• 申請號: 201911025698.1
• 申請日: 2019-10-25
• 公開（公告）號: CN112712875B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 高嘉鴻;陳尚文;沈偉志;吳國禎
• 申請（專利權）人: 臺灣中國醫藥大學附設醫院
• 主分類號: G16H30/20
• 分類號: G16H30/20;G16H50/30;G06N3/04
• 代理公司: 北京華夏正合知識產權代理事務所(普通合伙) 11017
• 代理人: 韓登營

本發明提供了一種遷移學習輔助預測系統，用以分析病患的口咽/下咽腫瘤的影像資料。所述遷移學習輔助預測系統包括：小樣本資料擴充模組及分析模組。小樣本資料擴充模組用以將一影像資料進行資料擴充處理，以產生影像資料的復數個切片影像；分析模組通過使用一口咽/下咽癌預后預測模型來預測一治療反應事件是否會發生。口咽/下咽癌預后預測模型的基本架構與一子宮頸癌預后預測模型的基本架構可以完全相同。所述子宮頸癌預后預測模型是通過深度學習方法建構并且經過訓練得到優良的預測效果，再以遷移學習技術轉換為口咽/下咽癌預后預測模型。

技術領域

本發明涉及輔助預測技術領域，特別是使用遷移學習將已訓練完成的子宮頸癌深度學習預后預測模型轉換成口咽/下咽癌預后預測模型的技術領域。

背景技術

合并化學與放射治療(Chemoradiotherapy)是目前局部晚期(localadvanced)口咽/下咽癌的常規治療方法之一，由于合并化學與放射治療對于病患的身體健康會造成一定程度的影響，且病患在進行治療后的仍可能發生腫瘤轉移或局部復發等，因此若能事先預測治療預后，進而篩選治療策略，病患的醫療品質可有效提升。然而，目前并沒有專門針對口咽/下咽癌的預測技術或產品。

此外，現有技術將醫療影像分析與傳統的機器學習或統計學演算法組合而成的預測技術在精準度上仍有缺陷，其預測失誤的機率十分高。

另外，針對不同的疾病，目前必須開發不同的預測模型，由于預測模型的開發成本昂貴且耗時，因此目前的開發方法仍有改善的空間。

對此，本發明提供一種遷移學習輔助預測系統、方法及電腦程式產品，能有效解決上述問題。

發明內容

有鑒于此，本發明提出一種輔助預測系統，是以子宮頸癌預后預測模型為基礎，經由遷移學習而轉換成一口咽/下咽癌預后預測模型。所述口咽/下咽癌預后預測模型可對口咽/下咽癌病患的腫瘤影像進行分析，進而預測該病患的在合并化學與放射治療后的預后。由于子宮頸癌預后預測模型或口咽/下咽癌預后預測模型是通過擴充放大量影像資料進行訓練，可提供良好的預測效果。

根據本發明的一觀點，提出一種遷移學習輔助預測系統，用以分析病患在進行治療前的口咽/下咽癌腫瘤的影像資料。所述系統包含小樣本資料擴充模組及口咽/下咽癌預后預測模型。小樣本資料擴充模組可將影像資料進行資料擴充處理，進而產生復數個切片影像。口咽/下咽癌預后預測模型可透對切片影像進行特征分析，以預測病患接受治療的預后。

根據本發明的另一觀點，提供一種遷移學習輔助預測方法，用以分析病患在進行治療前的口咽/下咽腫瘤的影像資料，所述方法是通過深度學習輔助預測系統來執行，且所述方法包含步驟:通過小樣本資料擴充模組將影像資料進行資料擴充處理，以產生復數個切片影像；以及通過口咽/下咽癌預后預測模型，對切片影像進行特征分析，以預測病患在接受治療后是否會發生口咽/下咽癌治療反應事件，其中口咽/下咽癌預后預測模型是由子宮頸癌預后預測模型通過遷移學習轉換而成。

根據本發明又另一觀點，提供一種電腦程式產品，儲存于非暫態電腦可讀取媒體之中，用于使深度學習輔助預測系統運作，其中深度學習輔助預測系統是用以分析病患在進行治療前的口咽/下咽癌腫瘤的影像資料，其中電腦程式產品包含:通過小樣本資料擴充模組，將影像資料進行資料擴充處理，以產生影像資料的復數個切片影像；以及通過口咽/下咽癌預后預測模型對切片影像進行特征分析，以預測病患在接受治療后的反應；其中，口咽/下咽癌預后預測模型是由子宮頸癌預后預測模型通過遷移學習轉換而成。

附圖說明

圖1是本發明一實施例的遷移學習輔助預測系統的系統架構圖；

圖2(A)是本發明一實施例的遷移學習輔助預測方法的基本步驟流程圖；

圖2(B)是本發明一實施例的資料擴充處理的流程示意圖；

圖3是本發明一實施例的口咽/下咽癌預后預測模型的建立過程示意圖；