一种基于深度学习的脑部肿瘤多模态分析系统的制作方法

1.本发明涉及脑部肿瘤分析领域，更具体地说，本发明涉及一种基于深度学习的脑部肿瘤多模态分析系统。


背景技术：

2.随着社会工业化的发展以及环境的恶化，癌症的发病率呈现不断增长的趋势，癌症的早发现、早诊断、早治疗对于患者的康复具有重要影响。其中，脑瘤对居民的健康有着十分严重的危害，现阶段恶性脑肿瘤已经成为我国居民死亡的主要原因之一，脑肿瘤是生长在颅腔的肿瘤，今年来发病率呈上升趋势。其中，脑部胶质细胞瘤是一种大脑和脊髓胶质细胞癌变所产生的最常见的原发性颅内肿瘤。根据世界卫生组织的分类，胶质瘤可以分为四个级别：一级为毛细胞星形细胞瘤，二级为低毒性胶质瘤，三级为间变星形细胞瘤，四级为多型性胶质母细胞瘤。其中，一级和二级胶质瘤属于低级别胶质瘤，三级和四级胶质瘤属于高级别胶质瘤，等级越高，患者肿瘤恶性程度越高。
3.目前现有技术多是采用磁共振影像对患者脑部胶质细胞瘤进行诊断，在给患者制定脑部胶质细胞瘤治疗方案时，通常需要几天或更长时间，而脑部胶质瘤细胞会不断发生病变，从做完核磁共振到手术前这段时间内，胶质瘤细胞存在病变或者发生增长的情况，从而影响医生给出的治疗方案。因此，对脑部胶质细胞瘤增殖个数进行评估预测是十分有必要的，评估结果对患者生命健康问题有着重要影响，也增强了医院对脑部胶质细胞瘤患者的诊断准确率，同时增加了患者对医院的信任度。


技术实现要素：

4.为了克服现有技术的上述缺陷，本发明提供了一种基于深度学习的脑部肿瘤多模态分析系统，是利用脑部胶质瘤细胞增殖评估模块对脑部胶质瘤细胞增殖恶化进行评估，通过患者所处环境恶劣程度、患者遗传肿瘤聚集倾向、患者身体其他部位出现恶性肿瘤的预测情况对脑部胶质瘤细胞的增殖规律进行评估，预测脑部胶质瘤患者从做完核磁共振到手术前胶质瘤细胞的增殖规律。
5.本发明的目的可以通过采用如下技术方案达到：
6.一种基于深度学习的脑部肿瘤多模态分析系统，包括脑部胶质瘤细胞图像提取模块、脑部胶质瘤细胞数据筛选模块、脑部胶质瘤细胞预测模块以及脑部胶质瘤细胞增殖评估模块：
7.脑部胶质瘤细胞图像提取模块利用核磁共振技术摄取图片，形成图片对比集，将图片摄取模块设置多角度摄取，对摄取的图片中的胶质瘤细胞进行对应编号统计，建立脑部胶质瘤细胞图信息；
8.脑部胶质瘤细胞数据筛选模块用于筛选脑部胶质瘤细胞图信息对图像局部区域进行滤波和相似信息冗余；
9.脑部胶质瘤细胞预测模块用于预测瘤细胞的个数和尺寸、患者所处环境恶劣程
度、患者遗传肿瘤聚集倾向、患者身体其他部位出现恶性肿瘤的预测情况各项评估指标的评估因子；
10.脑部胶质瘤细胞增殖评估模块根据提取的图片获取脑部胶质瘤细胞的信息，确定各项评估因子的评估机制，并构建综合评估数学模型，通过综合评价数学模型评估改良面粉的综合改良效果评估指标，其中，脑部胶质瘤细胞增殖规律与瘤细胞的个数以及尺寸呈正相关，与患者所处环境恶劣程度呈正相关，与患者遗传肿瘤聚集倾向呈正相关，与患者身体其他部位出现恶性肿瘤的预测情况呈正相关，脑部胶质瘤细胞的增殖规律评估公式为：
[0011][0012]
式中：qi为脑部胶质细胞瘤的预测增殖个数，n为脑部胶质瘤细胞的个数，qa为通过拍摄照片获得的脑部胶质细胞瘤的尺寸，qb为患者所处环境恶劣程度，qc患者遗传肿瘤聚集倾向，qd为患者身体其他部位出现恶性肿瘤的预测情况。
[0013]
优选的，脑部胶质瘤细胞预测模块包括患者所处环境恶劣程度预测模块、患者遗传肿瘤聚集倾向预测模块、患者身体其他部位出现恶性肿瘤预测模块：
[0014]
患者所处环境恶劣程度预测模块用于预测并综合紫外线耐受指数、机械刺激指标以及电离辐射影响指标；
[0015]
患者遗传肿瘤聚集倾向预测模块用于预测并综合患者体内的基因缺陷参数、染色体显示遗传性肿瘤参数以及患者的脑部病变指数；
[0016]
患者身体其他部位出现恶性肿瘤预测模块用于预测并综合过敏原诱发的影响参数、胚胎原始细胞的组织异位参数以及多发性纤维瘤的诱发参数。
[0017]
优选的，脑部胶质瘤细胞增殖评估模块通过脑部胶质瘤细胞综合指标对瘤细胞增殖恶化进行评估，其包括患者所处环境恶劣程度评估模块、患者遗传肿瘤聚集倾向评估模块以及患者身体其他部位出现恶性肿瘤的预测情况评估模块以及综合评估模块：
[0018]
患者所处环境恶劣程度评估模块用于确定恶劣环境对患者脑部胶质瘤细胞增殖评估指标的评估机制，评估机制为：
[0019][0020]
式中：ir为紫外线耐受指数，i
t
为机械刺激影响指标，iu为电离辐射影响指标；
[0021]
其中，电离辐射影响指标的评估机制分别如下：
[0022]iu
＝(log2rw*m
c2
)t1+me；
[0023]
式中：rw为电离辐射范围指标，mc为原癌基因最大激活指标，me为未正常修复的损伤dna回生值，t1为电离辐射时间。
[0024]
优选的，患者遗传肿瘤聚集倾向评估模块用于确定患者自身携带的遗传基因对脑部胶质瘤细胞增殖的影响的评估机制，评估机制为：
[0025][0026]
式中：ri为患者体内的基因缺陷参数，为染色体显示的遗传性肿瘤参数，xz为患者的脑部病变指数；
[0027]
其中，患者的脑部病变指数与脑蛋白变性数量、血小板增加量、神经胶质细胞增生量呈正相关，患者的脑部病变指数的评估机制为：
[0028][0029]
式中：y1为脑蛋白变性数量，y2血小板增加量，y3为神经胶质细胞增生量。
[0030]
优选的，患者身体其他部位出现恶性肿瘤的预测情况评估模块用于确定患者身体其他部位出现恶性肿瘤对脑部胶质瘤细胞增殖造成影响的评估机制，患者身体其他部位出现恶性肿瘤的预测情况为患者过敏原诱发、胚胎原始细胞的组织异位以及多发性纤维瘤的诱发的加权之和，且过敏原诱发、胚胎原始细胞的组织异位以及多发性纤维瘤的诱发的权重分别为0.2、0.5以及0.3，患者身体其他部位出现恶性肿瘤的预测情况的评估公式为：
[0031]
qd＝0.2rk+0.5r
l
+0.3r
l
；
[0032]
式中：rk为过敏原诱发的影响参数，r
l
为胚胎原始细胞的组织异位参数，r
l
为多发性纤维瘤的诱发参数；
[0033]
其中，多发性纤维瘤的诱发参数与nf基因突变、激素波动幅度以及其他疾病的诱发呈正相关，多发性纤维瘤的诱发参数的公式为：
[0034][0035]
式中，g1为nf基因突变值，g2为激素波动幅度，g3为其他疾病的诱发因素。
[0036]
优选的，综合评估模块用于确定脑部胶质瘤细胞增殖规律的评估机制，再对确定脑部胶质瘤细胞增殖规律评估指标进行线性变换，然后对线性变换后的脑部胶质瘤细胞增殖规律评估指标进行标准化、正则化，再将标准化和正则化后的参数作为自变量代入函数根据函数f(x)的函数值对综合改良效果评估指标进行评估，其中，脑部胶质瘤细胞增殖规律评估指标线性变换的公式为：
[0037][0038]
其中，wk为综合改良效果评估指标的线性变换值，α为线性扩增率，β为调节系数，α以及β由数值软件根据历史实验数据进行数值计算获得。
[0039]
优选的，脑部胶质瘤细胞增殖规律评估指标的分级评估方式为：
[0040]
当时，患者的脑部胶质瘤细胞增殖量为一级；
[0041]
当时，患者的脑部胶质瘤细胞增殖量为二级。
[0042]
本发明的有益技术效果：按照本发明的基于深度学习的脑部肿瘤多模态分析系统，该系统是利用脑部胶质瘤细胞增殖评估模块对脑部胶质瘤细胞增殖恶化进行评估，通过患者所处环境恶劣程度、患者遗传肿瘤聚集倾向、患者身体其他部位出现恶性肿瘤的预测情况对脑部胶质瘤细胞的增殖规律进行评估，评估结果对患者生命健康问题有着重要影响，增强了医院对脑部胶质细胞瘤患者的诊断准确率，同时有助于增加患者对医院的信任度。
附图说明
[0043]
图1为按照本发明的基于深度学习的脑部肿瘤多模态分析系统的整体结构示意图。
具体实施方式
[0044]
为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
[0045]
如图1所示，本实施例提供的基于深度学习的脑部肿瘤多模态分析系统，包括脑部胶质瘤细胞图像提取模块、脑部胶质瘤细胞数据筛选模块、脑部胶质瘤细胞预测模块以及脑部胶质瘤细胞增殖评估模块：
[0046]
脑部胶质瘤细胞图像提取模块利用核磁共振技术摄取图片，形成图片对比集，将图片摄取模块设置多角度摄取，对摄取的图片中的胶质瘤细胞进行对应编号统计，建立脑部胶质瘤细胞图信息；
[0047]
脑部胶质瘤细胞数据筛选模块用于筛选脑部胶质瘤细胞图信息对图像局部区域进行滤波和相似信息冗余；
[0048]
脑部胶质瘤细胞预测模块用于预测瘤细胞的个数和尺寸、患者所处环境恶劣程度、患者遗传肿瘤聚集倾向、患者身体其他部位出现恶性肿瘤的预测情况各项评估指标的评估因子；
[0049]
脑部胶质瘤细胞增殖评估模块根据提取的图片获取脑部胶质瘤细胞的信息，确定各项评估因子的评估机制，并构建综合评估数学模型，通过综合评价数学模型评估改良面粉的综合改良效果评估指标，其中，脑部胶质瘤细胞增殖规律与瘤细胞的个数以及尺寸呈正相关，与患者所处环境恶劣程度呈正相关，与患者遗传肿瘤聚集倾向呈正相关，与患者身体其他部位出现恶性肿瘤的预测情况呈正相关，脑部胶质瘤细胞的增殖规律评估公式为：
[0050][0051]
式中：qi为脑部胶质细胞瘤的预测增殖个数，n为脑部胶质瘤细胞的个数，qa为通过拍摄照片获得的脑部胶质细胞瘤的尺寸，qb为患者所处环境恶劣程度，qc患者遗传肿瘤聚集倾向，qd为患者身体其他部位出现恶性肿瘤的预测情况。
[0052]
本发明提出的基于深度学习的脑部肿瘤多模态分析系统，该系统是利用脑部胶质瘤细胞增殖评估模块对脑部胶质瘤细胞增殖恶化进行评估，通过患者所处环境恶劣程度、患者遗传肿瘤聚集倾向、患者身体其他部位出现恶性肿瘤的预测情况对脑部胶质瘤细胞的增殖规律进行评估，评估结果对患者生命健康问题有着重要影响。
[0053]
脑部胶质瘤细胞预测模块包括患者所处环境恶劣程度预测模块、患者遗传肿瘤聚集倾向预测模块、患者身体其他部位出现恶性肿瘤预测模块：
[0054]
患者所处环境恶劣程度预测模块用于预测并综合紫外线耐受指数、机械刺激指标以及电离辐射影响指标；
[0055]
患者遗传肿瘤聚集倾向预测模块用于预测并综合患者体内的基因缺陷参数、染色体显示遗传性肿瘤参数以及患者的脑部病变指数；
[0056]
患者身体其他部位出现恶性肿瘤预测模块用于预测并综合过敏原诱发的影响参
数、胚胎原始细胞的组织异位参数以及多发性纤维瘤的诱发参数。
[0057]
通过将脑部胶质瘤细胞预测模块分为多个不同的预测功能模块，能够便于将各个评估因子进行有效合理的分析，确保预测结果的准确性，同时便于实现脑部胶质瘤细胞预测的模块化管理。
[0058]
脑部胶质瘤细胞增殖评估模块通过脑部胶质瘤细胞综合指标对瘤细胞增殖恶化进行评估，其包括患者所处环境恶劣程度评估模块、患者遗传肿瘤聚集倾向评估模块以及患者身体其他部位出现恶性肿瘤的预测情况评估模块以及综合评估模块：
[0059]
患者所处环境恶劣程度评估模块用于确定恶劣环境对患者脑部胶质瘤细胞增殖评估指标的评估机制，评估机制为：
[0060][0061]
式中：ir为紫外线耐受指数，i
t
为机械刺激影响指标，iu为电离辐射影响指标；
[0062]
其中，电离辐射影响指标的评估机制分别如下：
[0063]iu
＝(log2rw*m
c2
)t1+me；
[0064]
式中：rw为电离辐射范围指标，mc为原癌基因最大激活指标，me为未正常修复的损伤dna回生值，t1为电离辐射时间。
[0065]
通过患者所处恶劣环境对患者脑部胶质瘤细胞增殖评估指标的评估机制的设置，能够平衡紫外线耐受指数、机械刺激影响指标以及电离辐射影响指标之间的数量级差异，从而便于综合考虑各因素对评价指标的影响。
[0066]
患者遗传肿瘤聚集倾向评估模块用于确定患者自身携带的遗传基因对脑部胶质瘤细胞增殖的影响的评估机制，评估机制为：
[0067][0068]
式中：ri为患者体内的基因缺陷参数，为染色体显示的遗传性肿瘤参数，xz为患者的脑部病变指数；
[0069]
其中，患者的脑部病变指数与脑蛋白变性数量、血小板增加量、神经胶质细胞增生量呈正相关，患者的脑部病变指数的评估机制为：
[0070][0071]
式中：y1为脑蛋白变性数量，y2血小板增加量，y3为神经胶质细胞增生量。
[0072]
通过对患者自身携带的遗传基因对脑部胶质瘤细胞增殖的影响的评估机制的设置，能够明确表达患者体内的基因缺陷参数、染色体显示的遗传性肿瘤参数、患者的脑部病变指数对评估因子的正相关性。
[0073]
患者身体其他部位出现恶性肿瘤的预测情况评估模块用于确定患者身体其他部位出现恶性肿瘤对脑部胶质瘤细胞增殖造成影响的评估机制，患者身体其他部位出现恶性肿瘤的预测情况为患者过敏原诱发、胚胎原始细胞的组织异位以及多发性纤维瘤的诱发的加权之和，且过敏原诱发、胚胎原始细胞的组织异位以及多发性纤维瘤的诱发的权重分别为0.2、0.5以及0.3，患者身体其他部位出现恶性肿瘤的预测情况的评估公式为：
[0074]
qd＝0.2rk+0.5r
l
+0.3r
l
；
[0075]
式中：rk为过敏原诱发的影响参数，r
l
为胚胎原始细胞的组织异位参数，r
l
为多发
性纤维瘤的诱发参数；
[0076]
其中，多发性纤维瘤的诱发参数与nf基因突变、激素波动幅度以及其他疾病的诱发呈正相关，多发性纤维瘤的诱发参数的公式为：
[0077][0078]
式中，g1为nf基因突变值，g2为激素波动幅度，g3为其他疾病的诱发因素。
[0079]
在患者身体其他部位出现恶性肿瘤的预测情况的评估机制中认为出现恶性肿瘤可能性是过敏原诱发的影响参数、胚胎原始细胞的组织异位参数以及r
l
，为多发性纤维瘤的诱发参数的加权之和，同时考虑nf基因突变值、激素波动幅度以及其他疾病的诱发因素对多发性纤维瘤的诱发参数的影响，有助于确保评估机制的准确性。
[0080]
综合评估模块用于确定脑部胶质瘤细胞增殖规律的评估机制，再对确定脑部胶质瘤细胞增殖规律评估指标进行线性变换，然后对线性变换后的脑部胶质瘤细胞增殖规律评估指标进行标准化、正则化，再将标准化和正则化后的参数作为自变量代入函数估指标进行标准化、正则化，再将标准化和正则化后的参数作为自变量代入函数根据函数f(x)的函数值对综合改良效果评估指标进行评估，其中，脑部胶质瘤细胞增殖规律评估指标线性变换的公式为：
[0081][0082]
其中，wk为综合改良效果评估指标的线性变换值，α为线性扩增率，β为调节系数，α以及β由数值软件根据历史实验数据进行数值计算获得。
[0083]
脑部胶质瘤细胞增殖规律评估指标的分级评估方式为：
[0084]
当时，患者的脑部胶质瘤细胞增殖量为一级；
[0085]
当时，患者的脑部胶质瘤细胞增殖量为二级。
[0086]
综上所述，在本实施例中，按照本实施例的基于深度学习的脑部肿瘤多模态分析系统，通过本发明提出的基于深度学习的脑部肿瘤多模态分析系统，该系统是利用脑部胶质瘤细胞增殖评估模块对脑部胶质瘤细胞增殖恶化进行评估，对患者所处环境恶劣程度、患者遗传肿瘤聚集倾向、患者身体其他部位出现恶性肿瘤的预测情况对脑部胶质瘤细胞的增殖规律进行评估，评估结果对患者生命健康问题有着重要影响。再将将脑部胶质瘤细胞预测模块分为多个不同的预测功能模块，能够便于将各个评估因子进行有效合理的分析，确保预测结果的准确性，同时便于实现脑部胶质瘤细胞预测的模块化管理。通过患者所处恶劣环境对患者脑部胶质瘤细胞增殖评估指标的评估机制的设置，能够平衡紫外线耐受指数、机械刺激影响指标以及电离辐射影响指标之间的数量级差异，从而便于综合考虑各因素对评价指标的影响。通过对患者自身携带的遗传基因对脑部胶质瘤细胞增殖的影响的评估机制的设置，能够明确表达患者体内的基因缺陷参数、染色体显示的遗传性肿瘤参数、患者的脑部病变指数对评估因子的正相关性。在患者身体其他部位出现恶性肿瘤的预测情况的评估机制中认为出现恶性肿瘤可能性是过敏原诱发的影响参数、胚胎原始细胞的组织异
位参数以及r
l
为多发性纤维瘤的诱发参数的加权之和，同时考虑nf基因突变值、激素波动幅度以及其他疾病的诱发因素对多发性纤维瘤的诱发参数的影响，有助于确保评估机制的准确性。最后利用综合评估模块确定脑部胶质瘤细胞增殖规律的评估机制，增强了医院对脑部胶质细胞瘤患者的诊断准确率，同时有助于增加患者对医院的信任度。
[0087]
以上所述，仅为本发明进一步的实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明所公开的范围内，根据本发明的技术方案及其构思加以等同替换或改变，都属于本发明的保护范围。

技术特征：
1.一种基于深度学习的脑部肿瘤多模态分析系统，所述系统包括脑部胶质瘤细胞图像提取模块、脑部胶质瘤细胞数据筛选模块、脑部胶质瘤细胞预测模块以及脑部胶质瘤细胞增殖评估模块，其特征在于：脑部胶质瘤细胞图像提取模块利用核磁共振技术摄取图片，形成图片对比集，将图片摄取模块设置多角度摄取，对摄取的图片中的胶质瘤细胞进行对应编号统计，建立脑部胶质瘤细胞图信息；脑部胶质瘤细胞数据筛选模块用于筛选脑部胶质瘤细胞数据信息对图像局部区域进行滤波和相似信息冗余；脑部胶质瘤细胞预测模块用于预测瘤细胞的个数和尺寸、患者所处环境恶劣程度、患者遗传肿瘤聚集倾向、患者身体其他部位出现恶性肿瘤的预测情况各项评估指标的评估因子；脑部胶质瘤细胞增殖评估模块根据提取的图片获取脑部胶质瘤细胞的信息，确定各项评估因子的评估机制，并构建综合评估数学模型，通过综合评价数学模型评估改良面粉的综合改良效果评估指标，其中，脑部胶质瘤细胞增殖个数与瘤细胞的个数以及尺寸呈正相关，与患者所处环境恶劣程度呈正相关，与患者遗传肿瘤聚集倾向呈正相关，与患者身体其他部位出现恶性肿瘤的预测情况呈正相关，脑部胶质瘤细胞的增殖规律评估公式为：式中：q
i
为脑部胶质细胞瘤的预测增殖个数，n为脑部胶质瘤细胞的个数，q
a
为通过拍摄照片获得的脑部胶质细胞瘤的尺寸，q
b
为患者所处环境恶劣程度，q
c
患者遗传肿瘤聚集倾向，q
d
为患者身体其他部位出现恶性肿瘤的预测情况。2.根据权利要求1所述的一种基于深度学习的脑部肿瘤多模态分析系统，其特征在于，脑部胶质瘤细胞预测模块包括患者所处环境恶劣程度预测模块、患者遗传肿瘤聚集倾向预测模块、患者身体其他部位出现恶性肿瘤预测模块：患者所处环境恶劣程度预测模块用于预测并综合紫外线耐受指数、机械刺激指标以及电离辐射影响指标；患者遗传肿瘤聚集倾向预测模块用于预测并综合患者体内的基因缺陷参数、染色体显示遗传性肿瘤参数以及患者的脑部病变指数；患者身体其他部位出现恶性肿瘤预测模块用于预测并综合过敏原诱发的影响参数、胚胎原始细胞的组织异位参数以及多发性纤维瘤的诱发参数。3.根据权利要求2所述的一种基于深度学习的脑部肿瘤多模态分析系统，其特征在于，脑部胶质瘤细胞增殖评估模块通过脑部胶质瘤细胞综合数据集指标对瘤细胞增殖恶化进行评估，其包括患者所处环境恶劣程度评估模块、患者遗传肿瘤聚集倾向评估模块以及患者身体其他部位出现恶性肿瘤的预测情况评估模块以及综合评估模块：患者所处环境恶劣程度评估模块用于确定恶劣环境对患者脑部胶质瘤细胞增殖评估指标的评估机制，评估机制为：式中：i
r
为紫外线耐受指数，i
t
为机械刺激影响指标，i
u
为电离辐射影响指标；
其中，电离辐射影响指标的评估机制分别如下：i
u
＝(log2r
w
*m
c2
)t1+m
e
；式中：r
w
为电离辐射范围指标，m
c
为原癌基因最大激活指标，m
e
为未正常修复的损伤dna回生值，t1为电离辐射时间。4.根据权利要求3所述的一种基于深度学习的脑部肿瘤多模态分析系统，其特征在于，患者遗传肿瘤聚集倾向评估模块用于确定患者自身携带的遗传基因对脑部胶质瘤细胞增殖的影响的评估机制，评估机制为：式中：r
i
为患者体内的基因缺陷参数，为染色体显示的遗传性肿瘤参数，x
z
为患者的脑部病变指数；其中，患者的脑部病变指数与脑蛋白变性数量、血小板增加量、神经胶质细胞增生量呈正相关，患者的脑部病变指数的评估机制为：式中：y1为脑蛋白变性数量，y2血小板增加量，y3为神经胶质细胞增生量。5.根据权利要求3所述的一种基于深度学习的脑部肿瘤多模态分析系统，其特征在于，患者身体其他部位出现恶性肿瘤的预测情况评估模块，用于确定患者身体其他部位出现恶性肿瘤对脑部胶质瘤细胞增殖规律造成影响的评估机制，患者身体其他部位出现恶性肿瘤的预测情况为患者过敏原诱发、胚胎原始细胞的组织异位以及多发性纤维瘤的诱发的加权之和，且过敏原诱发、胚胎原始细胞的组织异位以及多发性纤维瘤的诱发的权重分别为0.2、0.5以及0.3，患者身体其他部位出现恶性肿瘤的预测情况的评估公式为：q
d
＝0.2r
k
+0.5r
l
+0.3r
l
；式中：r
k
为过敏原诱发的影响参数，r
l
为胚胎原始细胞的组织异位参数，r
l
为多发性纤维瘤的诱发参数；其中，多发性纤维瘤的诱发参数与nf基因突变、激素波动幅度以及其他疾病的诱发呈正相关，多发性纤维瘤的诱发参数的公式为：式中，g1为nf基因突变值，g2为激素波动幅度，g3为其他疾病的诱发因素。6.根据权利要求3所述的一种基于深度学习的脑部肿瘤多模态分析系统，其特征在于，综合评估模块用于确定脑部胶质瘤细胞增殖规律的评估机制，再对确定脑部胶质瘤细胞增殖规律评估指标进行线性变换，然后对线性变换后的脑部胶质瘤细胞增殖规律评估指标进行标准化、正则化，再将标准化和正则化后的参数作为自变量代入函数根据函数f(x)的函数值，对脑部胶质瘤细胞增殖规律评估指标进行分级评估，其中，脑部胶质瘤细胞增殖规律评估指标线性变换的公式为：其中，w
k
为脑部胶质瘤细胞增殖规律评估指标的变换，α为脑部胶质瘤细胞增殖率，β为
调整系数，α以及β由数值软件根据历史实验数据进行数值计算获得。7.根据权利要求6所述的一种基于深度学习的脑部肿瘤多模态分析系统，其特征在于，脑部胶质瘤细胞增殖规律评估指标的分级评估方式为：当时，患者的脑部胶质瘤细胞增殖量为一级；当时，患者的脑部胶质瘤细胞增殖量为二级。

技术总结
本发明公开了一种基于深度学习的脑部肿瘤多模态分析系统，属于脑部肿瘤分析技术领域，该系统包括脑部胶质瘤细胞图像提取模块、脑部胶质瘤细胞数据筛选模块、脑部胶质瘤细胞预测模块以及脑部胶质瘤细胞增殖评估模块，脑部胶质瘤细胞增殖评估模块用于确定各项评估因子的评估机制，并构建综合评估模型。本发明利用脑部胶质瘤细胞增殖评估模块对脑部胶质瘤细胞增殖恶化进行评估，通过患者所处环境恶劣程度、患者遗传肿瘤聚集倾向、患者身体其他部位出现恶性肿瘤的预测情况对脑部胶质瘤细胞的增殖规律进行评估，评估结果对同时可以检测出患者身体其他指标是否正常。测出患者身体其他指标是否正常。测出患者身体其他指标是否正常。


技术研发人员：吴兵 李雪 崔雪艳 张咪咪
受保护的技术使用者：吴兵
技术研发日：2023.07.07
技术公布日：2023/10/5