[發明專利]基于人工智能幫助肺癌篩查的方法及系統

在審

• 申請號: 201710623458.6
• 申請日: 2017-07-27
• 公開（公告）號: CN107247887A
• 公開（公告）日: 2017-10-13
• 發明（設計）人: 葛亮;商麗君;金松;丁寅;陳晨;其他發明人請求不公開姓名
• 申請（專利權）人: 點內（上海）生物科技有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 上海交達專利事務所31201
• 代理人: 王毓理,王錫麟

1.一種基于人工智能幫助肺癌篩查的方法，其特征在于，通過分別生成鑒別肺癌模型和肺結節良惡性評估模型，當在線檢測時，實時采集對象的基本信息、基本健康信息、一般生活狀態、目前的呼吸系統癥狀、慢性病與肺病史和吸煙狀態，并通過鑒別肺癌模型和肺結節良惡性評估模型檢測得到患癌風險值和結節的惡性概率；

所述的鑒別肺癌模型，首先建立病例數據并進行結構初始化，通過收集肺癌患者和健康人結構化病例數據信息，經特征提取和特征數據標準化處理后，對得到的訓練用數據集進行機器學習，通過訓練得到鑒別肺癌模型；

所述的肺結節良惡性評估模型，首先建立CT片中肺結節影像特征信息結構，收集確診為惡性的結節和確診為良性的結節的影像特征，經特征提取和特征數據標準化處理后，對得到的訓練用數據集進行機器學習，通過訓練得到肺結節良惡性評估模型。

2.根據權利要求1所述的方法，其特征是，所述的病例數據是指：根據醫學邏輯和已有文獻報導，定義與肺癌風險相關的病例信息字段，針對每個字段定義可能出現的情形，對分類型字段的內容進行賦值量化，建立數據字典。

3.根據權利要求1所述的方法，其特征是，所述的結構化病例數據信息是指：收集經篩查6年內確診為肺癌和確診未患肺癌人群的病例，根據建立的數據字典轉換為結構化數據。

4.根據權利要求1所述的方法，其特征是，所述的肺結節影像特征信息結構是指：根據醫學邏輯和已有文獻報導，定義結節形態的大小、位置、密度、形態字段；針對每個字段定義可能出現的情形，對分類型字段的內容進行賦值量化，建立數據字典。

5.根據權利要求1所述的方法，其特征是，所述的影響特征包括：經確診為惡性的結節和確診為良性的CT影像結果和相關病人的病歷信息，根據建立的數據字典轉換為結構化數據。

6.根據權利要求1所述的方法，其特征是，所述的特征提取是指：針對結構化病例數據中的每一個特征進行數學分析和文獻挖掘，選取有潛在臨床意義的特征變量。

7.根據權利要求1所述的方法，其特征是，所述的訓練用數據集是指：按正負樣本數目基本一致的原則隨機抽取樣本得到。

8.根據權利要求1所述的方法，其特征是，所述的訓練是指：使用支持向量機算法對上面的特征進行機器學習，用剩余數據檢測預測效能，進行參數調優，再次進行機器學習和效能分析，直至獲得最優模型。

9.一種實現上述任一權利要求所述方法的系統，其特征在于，包括：鑒別肺癌模型模塊、肺結節良惡性評估模型模塊、信息采集模塊以及結果顯示模塊，其中：信息采集模塊分別與鑒別肺癌模型模塊和肺結節良惡性評估模型模塊相連，輸出實時采集的基本信息、基本健康信息、一般生活狀態、目前的呼吸系統癥狀、慢性病與肺病史和吸煙狀態，或輸出肺癌患者和健康人結構化病例數據信息至鑒別肺癌模型模塊，輸出確診為惡性的結節和確診為良性的結節的影像特征至肺結節良惡性評估模型，鑒別模型生成模塊和肺結節良惡性評估模型模塊根據所得信息分別識別得到患癌風險值和結節的惡性概率，結果顯示模塊通過人機界面將結果顯示輸出。