[發明專利]一種肺結節性質判定方法

在審

• 申請號: 202210069299.0
• 申請日: 2022-01-21
• 公開（公告）號: CN114429473A
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 宋永端;周勇城;談世磊;黃帆;張洪田;楊肖;陳星羿;吳將娛;廖昕怡
• 申請（專利權）人: 重慶大學;星際(重慶)智能裝備技術研究院有限公司;迪比(重慶)智能科技研究院有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/00;G06K9/62;G06V10/44;G06V10/764
• 代理公司: 重慶晟軒知識產權代理事務所(普通合伙) 50238
• 代理人: 王海鳳

1.一種肺結節性質判定方法，其特征在于：包括如下步驟：

S1：獲取多位病人的病理特征數據，所述病例特征數據包括影像結構化數據和基因甲基化數據，分別提取影像結構化數據和基因甲基化數據的特征；

S2：對S1獲取的多位病人的病理特征數據進行數據清洗得到小規模數據集，所述小規模數據集滿足數據分析的最低要求，將小規模數據集中一個病人的病理特征數據定義為一個樣本；

S3：將S2得到的小規模數據集中的每個樣本進行特征選擇得到最佳樣本特征，經過特征選擇后的所有樣本構成最佳小規模數據集；

將最佳小規模數據集中所有最佳樣本分割為訓練集和測試集；

S4：選擇現有M種分類方法，使用訓練集中的訓練樣本分別對M種分類方法進行訓練對應的得到M種最佳分類方法；

S5：將測試集中的所有測試樣本輸入分別S4得到的M種最佳分類方法中，選擇最終分類方法；

S6：對于一個待預測病人的病理特征數據，采用S1-S3的方法得到該待預測病人對于的待預測樣本，將該待預測樣本輸入S5選擇的最終分類方法中，輸出該待預測病人肺結節屬于良性或惡性。

2.如權利要求1所述的肺結節性質判定方法，其特征在于：所述S3中將小規模數據集中所有樣本按照訓練集：測試集＝7：3進行分割。

3.如權利要求1或2所述的肺結節性質判定方法，其特征在于：所述S3中每個樣本進行特征選擇得到最佳樣本特征的具體步驟如下：

第一輪特征選擇：計算每個樣本中影像結構化數據對應的每個特征的方差，選擇方差大于1.0，并且方差大于閾值的特征，記為初步影像特征；

將每個樣本中基因甲基化數據對應的每個特征的方差，選擇方差大于1.0，并且方差大于閾值的特征，記為初步基因特征；

將影像特征與基因特征合并后進行歸一化處理記為初級樣本特征；

第二輪特征選擇：對每個樣本的初級樣本特征采用隨機梯度下降樹進行特征選擇得到最佳樣本特征。

4.如權利要求3所述的肺結節性質判定方法，其特征在于：所述S5最終分類方法的具體步驟如下：

其中，c是每種最佳分類方法最終的輸出類別，N為輸出結果的類別總數即良性或惡性，M為分類算法個數，p_i,k表示由分類算法k輸出的關于類別i的概率；

計算M種最佳分類方法估指標的ROC曲線，并獲得對應的權重，選擇最大ROC指標所對應的方法為最終分類方法。