[发明专利]基于组织病理学图像和基因表达数据的胃癌患者生存风险预测方法

权利要求书

1.基于组织病理学图像和基因表达数据的胃癌患者生存风险预测方法，其特征在于，包括下列步骤：

1)基于TCGA数据库获取胃癌患者的组织病理学图像、临床数据和基因表达数据；

2)对胃癌患者的组织病理学图像进行预处理；

3)在预处理后的图像中，选取细胞核数目最大的图像小块作为神经网络的输入，用以预测胃癌患者的生存风险；

4)对胃癌患者的高维基因表达数据进行变量选择；

5)整合组织病理学图像、人口统计学信息和变量选择后的基因数据构建多模态融合模型，预测胃癌患者的生存风险。

2.根据权利要求1所述的基于组织病理学图像和基因表达数据的胃癌患者生存风险预测方法，其特征在于，步骤2)中，对胃癌患者的组织病理学图像进行预处理包括对组织病理学图像依次进行切割、颜色标准化以及细胞核分割处理。

3.根据权利要求2所述的基于组织病理学图像和基因表达数据的胃癌患者生存风险预测方法，其特征在于，对组织病理学图像依次进行切割的具体内容为：

将像素大小为100000×100000的组织病理学图像裁剪成1536×1536像素大小的图像小块，并过滤掉空白背景超过30％的图像小块。

4.根据权利要求2所述的基于组织病理学图像和基因表达数据的胃癌患者生存风险预测方法，其特征在于，利用Macenko方法将所有样本图像小块的颜色归一化至标准染色的组织病理学图像。

5.根据权利要求2所述的基于组织病理学图像和基因表达数据的胃癌患者生存风险预测方法，其特征在于，细胞核分割处理的具体内容为：

利用分层多级阈值方法对每个图像小块的细胞核进行分割，随后选取细胞核数量最大的图像小块；选取的图像小块为1536×1536像素的图像小块，该图像小块由9个512×512像素大小的小块构成；利用Cellprofiler软件提取512×512像素大小的小块的1100个特征，在9个512×512像素大小的小块中选择特征Median_PrimaryObject_AreaShape_Zernike_7_7最小的图像小块。

6.根据权利要求1所述的基于组织病理学图像和基因表达数据的胃癌患者生存风险预测方法，其特征在于，步骤3)中，采用卷积神经网络中的卷积和池化操作提取组织病理学图像的空间特征，然后将这些特征连接到全连接层，该卷积神经网络模型的损失函数为半参数Cox模型的损失函数，该卷积神经网络的输出为单节点，代表估计的风险函数，即DeepCox-SC风险评分。

7.根据权利要求6所述的基于组织病理学图像和基因表达数据的胃癌患者生存风险预测方法，其特征在于，步骤4)中，高维基因表达数据经过确定独立筛选方法和带LASSO惩罚项的Cox模型进行变量选择，并获取十个基因，包括CHAF1A、REPIN1、SERPINE1、HTRA3、PWP2、GPR173、NCLN、NT5E、MYL4和YWHABP2。

8.根据权利要求7所述的基于组织病理学图像和基因表达数据的胃癌患者生存风险预测方法，其特征在于，步骤5)中，通过半参数Cox模型整合步骤3)输出的DeepCox-SC风险评分与年龄，以及步骤4)得到的十个基因，获得预测胃癌患者生存风险的多模态融合模型。