基于人工智能和多模态影像组学的前列腺癌生物靶区分级雕刻新方法及临床预后研究

1.针对 PET-CT 在前列腺癌生物靶区中的巨大应用价值及肿瘤异质性导致的个体化放疗结果差异，回顾性分析多中心患者多时间、多序列、多模态影像学、系统+靶向活检资料及基因检测数据，基于影像组学方法，提取放疗前后的 BTV 消退区域、残存区域、复发区域的一阶特征、形状特征、纹理特征、小波特征，基于无监督聚类机器学习模型，发掘有差异特征组，尝试区分前列腺癌代谢、增殖、乏氧、血管生成、基因变异等区域，进而实现对前列腺 BTV 异质性定量描述，为前列腺生物靶区勾画提供新思路，并为同步增量放疗计划的制定提供指导建议； 2.基于多层机器学习模型，建立前列腺癌同步推量大分割放疗疗效时间相关深度学习临床预后模型，创新性将最新离散时间生存模型引入 Resnet 深度学习网络，构建时间相关预后模型以实现在每个时间节点精准预测诸如肿瘤远处转移、肿瘤局部复发、患者总体生存率等重要临床关切事件，力争在治疗前筛选出高危患者，为局部增量大分割放疗计划制定提供判断依据。