小样本条件下的嗜铬细胞瘤辅助诊疗体系关键技术研究

小样本条件下的嗜铬细胞瘤辅助诊疗体系关键技术研究

一、项目研究内容

本项目提出一项基于真实临床数据的研究计划，通过深度学习技术对嗜铬细胞瘤（PPGL）患者的CT图像数据和临床数据进行分析，术前得出嗜铬细胞瘤的基因亚型分级，手术时肿瘤中儿茶酚胺进入血液中的风险概率和术后病人肿瘤复发的时间估计。在术前利用PPGL的CT影像数据在无创的情况下确定肿瘤的基因亚型辅助制定最合理的诊疗方案。根据肿瘤中儿茶酚胺是否容易进入血液来制定最合理的手术切除方案。术后利用对患者的复发预测帮助患者更早的发现肿瘤的转移，从而制定下一阶段治疗方案。

二、项目研究目标

1）构建一个包含病人病理数据，CT影像等多模态的PPGL数据集；

2）通过对病人CT数据进行学习，寻找PPGL表观特征与基因亚型的内在联系，构建具有可解释性的肿瘤基因亚型分类模型；

3）通过小样本条件下小目标图像分类问题的探索，构建对病人血流动力学的高性能预测模型；

4）通过小样本条件下长尾分布问题的探索，结合病人的病理数据，构建多模态的术后肿瘤复发预测转移模型；

三、项目研究成果

本项目将根据中南大学湘雅医院历史医疗数据，选择PPGL相关病例及检查结果构建多模态数据集。该数据集是世界范围内第一个基于包含病人病理数据、CT影像等多元信息的胶质瘤分子分型数据集，拟构建的病例数量为420例以上。 图像数据：

版权声明

请尊重我们的原创作品，转载时请标注文章的原始出处和作者信息。如果您有任何问题或想法想和我们进行沟通， 请您使用页面下方的邮件或电话进行联系。