[發明專利]一種用于肺結節風險性評估的系統

在審

• 申請號: 202011341094.0
• 申請日: 2020-11-25
• 公開（公告）號: CN112382392A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 葉莘;范獻軍;周燕玲;陳燕慈;黃萌;張俊成;石劍峰
• 申請（專利權）人: 珠海圣美生物診斷技術有限公司;珠海橫琴圣澳云智科技有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06T7/00;G06T7/62;G06T7/11;G06N3/04;G06N20/00
• 代理公司: 北京超成律師事務所 11646
• 代理人: 高榮英

1.一種用于肺結節風險性評估的系統，其特征在于，包括：

數據采集模塊，用于獲取患者的病灶影像結果、患者的CAC檢測數據和患者的風險因素；

數據處理模塊，用于對數據采集模塊獲取的數據進行預處理，所述預處理的輸出結果與肺結節風險性評估模塊相匹配；

肺結節風險性評估模塊，應用機器學習構建的肺結節風險性評估模型對數據處理模塊預處理輸出結果進行計算，得到肺結節風險性結果。

2.根據權利要求1所述的系統，其特征在于，所述患者的風險因素包括患者的性別、年齡、家族腫瘤病史或吸煙史中的一種或兩種及以上組合。

3.根據權利要求2所述的系統，其特征在于，所述數據處理模塊用于將所述患者的病灶影像結果經人工智能計算轉換為病灶影像分析數據，輸出患者肺結節惡性概率；將所述患者的性別轉換為相應的性別標識；將所述家族腫瘤病史轉換為相應的家族腫瘤病史標識；將所述吸煙史轉換為相應的吸煙史標識。

4.根據權利要求3所述的系統，其特征在于，所述患者的病灶影像結果包括低劑量螺旋CT掃描圖、薄層螺旋CT掃描圖、X光射線胸片或正電子發射計算機斷層顯像中的一種或兩種及以上組合。

5.根據權利要求1所述的系統，其特征在于，所述患者的CAC檢測數據包括患者的CAC檢測得到的每萬個單個核細胞中循環異常細胞數量。

6.根據權利要求1～5任一項所述的系統，特征在于，所述肺結節風險性評估模塊采用邏輯回歸模型，根據預處理結果計算得到患者的肺結節風險性；

所述預處理結果包括患者的病灶影像分析數據、患者的CAC檢測數據、患者的年齡和患者的性別標識；

所述邏輯回歸模型的計算公式為：

logit(π)＝θ^TX+θ₀，式中X為自變量矩陣，包括患者的病灶影像分析數據x₁、患者的CAC檢測數據x₂、患者的年齡標識x₃和患者的性別標識x₄，式中θ^T為與自變量矩陣X對應的系數矩陣，θ₀為常系數，π為患者肺結節惡性概率；

將計算得到的π與預設的分類閾值比較，得到比較結果；基于比較結果輸出患者肺結節的良性標識或惡性標識；

優選地，所述分類閾值為0.5～0.8；

優選地，所述分類閾值為0.6。

7.根據權利要求6所述的系統，其特征在于，所述θ₁為3.08～15.05任意值，優選為7.92；

所述θ₂為-0.12～0.40任意值，優選為0.10；

所述θ₃為-0.03～0.16任意值，優選為0.06；

所述θ₄為-7.72～-1.43任意值，優選為-3.9；

所述θ₀為-12.60～1.18任意值，優選為-4.94。

8.根據權利要求1～5任一項所述的系統，其特征在于，所述肺結節風險性評估模塊采用決策樹模型，將患者的病灶影像分析數據、患者的CAC檢測數據、患者的年齡和患者的性別標識作為劃分特征，根據預處理結果對患者的肺結節風險性進行分類；

優選地，所述決策樹的決策深度為2～7；

優選地，所述決策樹的決策深度為4；

優選地，所述決策樹的決策深度為7。