(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 202210773313.5 (22)申请日 2022.07.01 (71)申请人 上海健康医学院 地址 201318 上海市浦东 新区周祝公路279 号 申请人 上海理工大 学 (72)发明人 黄钢　左艳　聂生东　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 翁惠瑜 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 用于医学图像的多任务预测模型的训练方 法、 设备及 介质 (57)摘要 本发明涉及一种用于医学图像的多任务预 测模型的训练方法、 设备及介质， 所述方法包括 以下步骤： 获取多中心、 多设备、 多示踪剂的初始 医学图像和临床风险因素特征， 所述初始医学图 像包括PET图像和CT图像； 对初始医学图像对应 病灶分割金标准进行第一均衡化处理， 获得均衡 化的3D图像序列； 对所述3D图像序列进行重采 样， 提取深度学习特征和预定义影像组学特征； 对所述深度学习特征进行第二均衡化处理， 并对 均衡化后的特征进行特征后处理； 将获得的深度 学习特征、 预定义影像组学特征和临床风险因素 特征进行拼接， 获得最终特征； 以最终特征为输 入， 训练获得多任务预测模型。 与现有技术相比， 本发明具有医学图像处理准确性高、 适用于多模 态图像等优点。 权利要求书2页 说明书6页 附图3页 CN 115187841 A 2022.10.14 CN 115187841 A 1.一种用于医学图像的多任务预测模型的训练方法， 其特 征在于， 包括以下步骤： 获取多中心、 多设备、 多示踪剂的初始医学图像和临床风险因素特征， 所述初始医学图 像包括PET图像和CT图像； 对所述初始医学图像对应病灶分割金标准进行第 一均衡化处理， 获得均衡化的3D图像 序列； 对所述3D图像序列进行重采样， 提取深度学习特 征和预定义影 像组学特征； 对所述深度学习特征进行第二均衡化处理， 该第二均衡化处理指不同中心、 不同设备 和不同示踪剂间的均衡， 并对均衡化后的特 征进行特征后处理； 将获得的深度学习特征、 预定义影像组学特征和 临床风险因素特征进行拼接， 获得最 终特征； 以所述最终特征为输入， 训练获得多任务预测模型。 2.根据权利要求1所述的用于医学图像的多任务预测模型的训练方法， 其特征在于， 所 述第一均衡化处 理包括： 读取初始医学图像及对应病灶分割金标准， 将每副切片分别进行排序， 使用体重与示 踪剂摄入值进行归一 化； 确定每副切片的中心点， 围绕该中心点获取多张2D切片； 通过2D卷积神经网络提取所述2D切片的特征， 并通过特征调节与特征多尺度级联方 式， 获得2D均衡化图像； 对所述PET图像和CT图像分别进行 所述第一均衡化处 理。 3.根据权利要求2所述的用于医学图像的多任务预测模型的训练方法， 其特征在于， 使 用双线性表示进行 所述特征调节与特 征多尺度级联。 4.根据权利要求1所述的用于医学图像的多任务预测模型的训练方法， 其特征在于， 所 述提取深度学习特 征具体为： 对所述3D图像序列进行重采样后获得多张PET切片和CT切片； 分别通过 卷积神经网络提取 所述PET切片和CT切片的深度学习特 征。 5.根据权利要求1所述的用于医学图像的多任务预测模型的训练方法， 其特征在于， 使 用Pyradi omics获取 所述预定义影 像组学特征。 6.根据权利要求1所述的用于医学图像的多任务预测模型的训练方法， 其特征在于， 针 对PET图像， 使用MN ‑Combat实现所述第二均衡化处理； 针对CT图像， 使用MM ‑Combat实现所 述第二均衡化处 理。 7.根据权利要求1所述的用于医学图像的多任务预测模型的训练方法， 其特征在于， 所 述特征后处理包括特 征降维和特 征筛选。 8.根据权利要求1所述的用于医学图像的多任务预测模型的训练方法， 其特征在于， 将 PET图像和CT图像获得的所述深度学习特征加权求和后与所述预定义影像组学特征、 临床 风险因素 特征进行拼接， 获得最终特 征。 9.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储器； 和 被存储在存储器中的一个或多个程序， 所述一个或多个程序包括用于执行如权利要求权　利　要　求　书 1/2 页 2 CN 115187841 A 21‑8任一所述用于医学图像的多任务预测模型的训练方法的指令 。 10.一种计算机可读存储介质， 其特征在于， 包括供电子设备的一个或多个处理器执行 的一个或多个程序， 所述一个或多个程序包括用于执行如权利要求1 ‑8任一所述用于医学 图像的多任务预测模型的训练方法的指令 。权　利　要　求　书 2/2 页 3 CN 115187841 A 3