科创中国

物理

本申请提供的基于时间序列学习的生存预测方法、系统、终端及存储介质，构建了一个使用医学图像数据并且可以用于肿瘤生存预测和分析的深度学习模型，利用了比常规核磁共振模态更能反映肿瘤血管形成过程和血管结构的灌注加权成像模态，将长短期记忆网络加入到普通的深层神经网络中，从而更好地捕捉到时间上的变化，将医学图形中的时域信息和空域信息结合起来，进行生存分析。

一种基于时间序列学习的生存预测方法，其特征在于，包括下述步骤： 收集若干肿瘤患者数据集，任意一肿瘤患者数据集包括核磁共振图像及临床信息，所述临床信息包括患者的性别、年龄、是否放疗、是否化疗、基因型、生存状态、存活时间； 对所述数据集中的图像进行处理； 将所述数据集中肿瘤患者的肿瘤区域进行分割处理； 对所述数据集中的数据进行标准化处理； 根据所述肿瘤患者的临床信息划分训练集和测试集； 建立深层神经网络模型用于提取特征并进行生存期预测； 根据所述深层神经网络模型对所述训练集和测试集进行模型训练和选择； 评价模型训练效果。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。