[發明專利]基于區塊鏈的腫瘤診斷系統

在審

• 申請號: 202010350979.0
• 申請日: 2020-04-28
• 公開（公告）號: CN111681754A
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 韓書文
• 申請（專利權）人: 湖州市中心醫院
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H80/00
• 代理公司: 杭州創智卓英知識產權代理事務所(普通合伙) 33324
• 代理人: 張迪

1.一種基于區塊鏈的腫瘤診斷系統，包括：服務器(1)和多個診斷終端(2)，所述服務器(1)分別與每個所述診斷終端(2)通訊連接，所述服務器(1)包括區塊鏈節點；其特征在于，所述診斷終端(2)包括：

信息獲取模塊(21)，用于獲取待診斷的患者的檢測信息和基本信息；

分析模塊(22)，用于對所述檢測信息進行分析，分析出所述檢測信息對應的腫瘤分類；

方法獲取模塊(23)，用于基于所述腫瘤分類和所述基本信息從區塊鏈上獲取所述腫瘤分類對應的特征值的提取方法及判斷規則；

診斷模塊(24)，用于基于所述提取方法提取所述檢測信息中特征值；根據所述特征值并基于預設判斷規則，對待診斷患者進行判斷。

2.如權利要求1所述的基于區塊鏈的腫瘤診斷系統，其特征在于，所述檢測信息包括：CT檢測報告、X線檢測報告、MRI檢測報告、超聲檢測報告、穿刺取樣檢測報告、問診報告中一種或多種結合。

3.如權利要求1所述的基于區塊鏈的腫瘤診斷系統，其特征在于，所述腫瘤分類包括：肺癌、胃癌、肝癌、乳腺癌、胰腺癌、卵巢癌、前列腺癌和結直腸癌中一種或多種。

4.如權利要求1所述的基于區塊鏈的腫瘤診斷系統，其特征在于，所述診斷模塊(24)包括如下操作：

步驟S1：基于所述提取方法提取所述檢測信息中特征值；

步驟S2：當未在所述檢測信息中提取到所述特征值時，輸出對應于所述提取方法的第一檢測項目；

步驟S3：獲取對應于所述第一檢測項目的檢測結果，從所述檢測結果中提取所述特征值；

步驟S4:確定所述特征值是正向判斷類型還是反向判斷類型；

當所述特征值為正向判斷類型時，具體判斷步驟如下：

當所述特征值小于第一預設值時，判斷所述待診斷患者無病；

當所述特征值大于等于第一預設值且小于第二預設值時，判斷所述待診斷患者為疑似病例；

當所述特征值大于等于第二預設值時，判斷所述待診斷患者為確診病例；

其中，所述第一預設值小于所述第二預設值；

當所述特征值為反向判斷類型時，具體判斷步驟如下：

當所述特征值大于等于第三預設值時，判斷所述待診斷患者無病；

當所述特征值小于第三預設值且大于等于第四預設值時，判斷所述待診斷患者為疑似病例；

當所述特征值小于第四預設值時，判斷所述待診斷患者為確診病例。

5.如權利要求1所述的基于區塊鏈的腫瘤診斷系統，其特征在于，當所述檢測信息為圖像時，所述預設判斷規則包括用于判斷的卷積神經網絡模型，

所述神經卷積模型是基于所述區塊鏈上存儲的腫瘤病例圖像訓練得到；具體步驟為；

隨機提取所述區塊鏈上存儲的腫瘤病例圖像獲得N組訓練數據和M組測試數據；

獲得初始卷積神經網絡模型，分別采用N組訓練數據對所述初始卷積神經模型進行訓練，獲得N個訓練的卷積神經網絡模型；

依次采用所述M組測試數據分別對所述N個訓練的卷積神經網絡模型中的每個模型進行測試，獲得M個測試結果；

基于M個測試結果統計出各個模型的識別率；

比較所述N個訓練的卷積神經網絡模型的識別率，將其中識別率最高的訓練的卷積神經網絡模型作為用于判斷的卷積神經網絡模型。

6.如權利要求4所述的基于區塊鏈的腫瘤診斷系統，其特征在于，所述診斷終端(2)還包括：

第二檢測項目推薦模塊，用于當所述待診斷患者為疑似病例時根據預設信息輸出第二檢測項目。

7.如權利要求4所述的基于區塊鏈的腫瘤診斷系統，其特征在于，所述診斷終端(2)還包括：

治療方案推薦模塊，用于當所述待診斷患者為確診病例時，根據所述基本信息、所述腫瘤種類和所述特征值從所述區塊鏈中獲取對應的治療方案。