本發明涉及智能醫療，尤其涉及一種ras野生型轉移性結直腸癌患者的分類方法和系統。

背景技術：

1、結直腸癌(colorectal?cancer，crc)是一種常見的消化道惡性腫瘤，在世界范圍內有著較高的發病例和死亡率。轉移性結直腸癌(metastatic?colorectal?cancer,mcrc)亦成為臨床診療中的難點和重點。

2、抗表皮生長因子受體(抗egfr)單克隆抗體聯合化療是ras野生型轉移性結直腸癌(ras野生型mcrc)患者的一線標準治療。

3、然而，藥物靶點基因的多樣性對藥效具有一定影響，不同基因型對于不同的抗egfr靶向藥有著不同的敏感性(有效性)，為了保障轉移性結直腸癌轉化治療給藥的準確性，減少不必要的經濟成本，篩選出抗egfr靶向藥轉化治療的敏感人群至關重要。

4、基于此，本技術提出一種ras野生型轉移性結直腸癌患者的分類方法和系統。

技術實現思路

1、本說明書提供一種ras野生型轉移性結直腸癌患者的分類方法和系統，通過將所述感興趣區域、所述目標基因特征輸入至融合模型中，得到所述ras野生型轉移性結直腸癌患者的關于所述待測藥物的敏感性預測結果，以輔助引導用戶的注意力。

2、本技術提供的一種ras野生型轉移性結直腸癌患者的分類方法采用如下的技術方案，包括：

3、獲取ras野生型轉移性結直腸癌患者的基本信息，所述基本信息包括ct影像組學數據和基因數據；

4、提取所述ct影像組學數據中的感興趣區域；

5、對所述基因數據進行篩選，得到與待測藥物的信息相關聯的目標基因特征；

6、將所述感興趣區域、所述目標基因特征輸入至融合模型中，得到所述ras野生型轉移性結直腸癌患者的關于所述待測藥物的敏感性預測結果。

7、可選的，所述提取所述ct影像組學數據中的感興趣區域，包括：

8、對所述ct影像組學數據進行重采樣，調整所述ct影像組學數據的體素；

9、對重采樣后的ct影像組學數據進行標準化處理，得到預處理后的所述ct影響組學數據；

10、對預處理后的所述ct影像組學數據進行勾勒，識別并提取勾勒出的區域，作為感興趣區域。

11、可選的，所述將所述感興趣區域、所述目標基因特征輸入至融合模型中，得到所述ras野生型轉移性結直腸癌患者的對待測藥物的敏感性預測結果，包括：

12、通過第一分類模型對所述感興趣區域中進行特征提取，得到第一分類概率；

13、通過第二分類模型對所述目標基因特征進行預測，得到第二分類概率；

14、融合所述第一分類概率和所述第二分類概率，得到所述ras野生型轉移性結直腸癌患者的對待測藥物的敏感性預測結果。

15、可選的，所述對所述感興趣區域中進行特征提取，得到第一分類概率，包括：

16、對所述感興趣區域中進行局部特征提取，得到微環境特征；

17、對所述微環境特征進行全局平均池化，將所述微環境特征轉化為一維特征向量；

18、將所述一維特征向量映射到分類標簽空間，得到所述第一分類概率。

19、可選的，所述對所述基因數據進行篩選和分類，得到第二分類概率，包括：

20、將所述目標基因特征輸入隨機森林模型，得到每一決策樹的預測結果；

21、將出現次數最多的所述預測結果作為所述第二分類概率。

22、可選的，所述融合所述第一分類概率和所述第二分類概率，得到所述ras野生型轉移性結直腸癌患者的對待測藥物的敏感性預測結果，包括：

23、將所述第一分類概率和所述第二分類概率進行加權平均；

24、根據加權平均后的結果確定敏感性標簽，得到所述ras野生型轉移性結直腸癌患者的對待測藥物的敏感性預測結果。

25、可選的，所述第一分類概率的權重與所述第二分類概率的權重比為3：7。

26、本技術提供的一種ras野生型轉移性結直腸癌患者的分類系統采用如下的技術方案，包括：

27、獲取模塊，用于獲取ras野生型轉移性結直腸癌患者的基本信息，所述基本信息包括ct影像組學數據和基因數據；

28、提取模塊，用于提取所述ct影像組學數據中的感興趣區域；

29、篩選模塊，用于對所述基因數據進行篩選，得到與待測藥物的信息相關聯的目標基因特征；

30、融合模塊，用于將所述感興趣區域、所述目標基因特征輸入至融合模型中，得到所述ras野生型轉移性結直腸癌患者的關于所述待測藥物的敏感性預測結果。

31、可選的，所述提取模塊，包括：

32、調整子模塊，用于對所述ct影像組學數據進行重采樣，調整所述ct影像組學數據的體素；

33、標準化子模塊，用于對重采樣后的ct影像組學數據進行標準化處理，得到預處理后的所述ct影響組學數據；

34、識別子模塊，用于對預處理后的所述ct影像組學數據進行勾勒，識別并提取勾勒出的區域，作為感興趣區域。

35、可選的，所述融合模塊，包括：

36、特征提取子模塊，用于通過第一分類模型對所述感興趣區域中進行特征提取，得到第一分類概率；

37、分類預測子模塊，用于通過第二分類模型對所述目標基因特征進行預測，得到第二分類概率；

38、融合子模塊，用于融合所述第一分類概率和所述第二分類概率，得到所述ras野生型轉移性結直腸癌患者的對待測藥物的敏感性預測結果。

39、可選的，所述特征提取子模塊，包括：

40、局部提取單元，用于對所述感興趣區域中進行局部特征提取，得到微環境特征；

41、池化單元，用于對所述微環境特征進行全局平均池化，將所述微環境特征轉化為一維特征向量；

42、映射單元，用于將所述一維特征向量映射到分類標簽空間，得到所述第一分類概率。

43、可選的，所述分類預測子模塊，包括：

44、輸入單元，用于將所述目標基因特征輸入隨機森林模型，得到每一決策樹的預測結果；

45、匯總單元，用于將出現次數最多的所述預測結果作為所述第二分類概率。

46、可選的，所述融合子模塊，包括：

47、第一融合單元，用于將所述第一分類概率和所述第二分類概率進行加權平均；

48、第二融合單元，用于根據加權平均后的結果確定敏感性標簽，得到所述ras野生型轉移性結直腸癌患者的對待測藥物的敏感性預測結果。

49、可選的，所述第一分類概率的權重與所述第二分類概率的權重比為3：7。

50、本說明書還提供一種電子設備，其中，該電子設備包括：

51、處理器；以及，

52、存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器執行上述任一項方法。

53、本說明書還提供一種計算機可讀存儲介質，其中，所述計算機可讀存儲介質存儲一個或多個程序，所述一個或多個程序當被處理器執行時，實現上述任一項方法。

54、本技術中，通過獲取ras野生型轉移性結直腸癌患者的基本信息，所述基本信息包括ct影像組學數據和基因數據；提取所述ct影像組學數據中的感興趣區域；對所述基因數據進行篩選，得到與待測藥物的信息相關聯的目標基因特征；將所述感興趣區域、所述目標基因特征輸入至融合模型中，得到所述ras野生型轉移性結直腸癌患者的關于所述待測藥物的敏感性預測結果，篩選出對待測藥物轉化治療敏感的人群，以便于輔助醫生決策，實現精準用藥。