[發明專利]一種基于神經網絡的肺腺癌浸潤程度預測系統

在審

• 申請號: 202110363571.1
• 申請日: 2021-04-02
• 公開（公告）號: CN115169425A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 章毅;劉倫旭;郭際香;陳楠;徐修遠;王子淮;張蕾;賴紅錦;章童妙
• 申請（專利權）人: 四川大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G16H30/40;G16H50/50
• 代理公司: 成都高遠知識產權代理事務所(普通合伙) 51222
• 代理人: 張娟;魏靜

1.一種基于神經網絡的肺腺癌浸潤程度預測系統，其特征在于：所述肺腺癌浸潤程度為浸潤性或非浸潤性，所述系統包括以下五個部分：

第一部分：數據輸入部分；用于輸入肺腺癌患者的病灶特征和臨床特征；

第二部分：數據預處理部分；用于對第一部分輸入的病灶特征和臨床特征進行預處理，其中，對病灶特征和臨床特征中的連續性數據進行歸一化處理，對病灶特征和臨床特征中的離散數據進行獨熱編碼；

第三部分：模型構建部分；構建全連接網絡模型；

第四部分：模型訓練部分；用已知浸潤程度的肺腺癌患者的信息訓練模型，具體是將肺腺癌患者中浸潤程度為非浸潤性的標記為0，浸潤程度為浸潤性的標記為1；將肺腺癌患者的病灶特征和臨床特征利用第二部分預處理后的數據對第三部分構建的全連接網絡模型進行訓練；

第五部分：預測部分；將待預測肺腺癌患者的病灶特征和臨床特征按照第二部分的方式進行預處理后，利用第四部分訓練后的模型進行預測，輸出預測結果：若輸出的預測結果為0，則該待預測肺腺癌患者的浸潤程度是非浸潤性，若輸出的預測結果為1，則該待預測肺腺癌患者的浸潤程度是浸潤性。

2.根據權利要求1所述的預測系統，其特征在于：第一部分中，所述病灶特征和臨床特征包括以下特征中的一種或多種：(1)年齡；(2)性別；(3)首發癥狀；(4)合并癥；(5)腫瘤家族史；(6)吸煙史；(7)主要病變部位；(8)主要病變大小，單位為厘米；(9)磨玻璃樣病變GGO成分；(10)是否質地均勻；(11)是否有支氣管充氣征；(12)是否有空泡征；(13)邊界是否清楚；(14)是否有毛刺；(15)是否有分葉；(16)邊緣是否光滑；(17)是否有胸膜凹陷/牽拉；(18)形狀；(19)到胸膜最短距離；(20)身高，單位為厘米；(21)身高，單位為米；(22)體重，單位為kg；(23)身體質量指數BMI，單位為kg/m。

3.根據權利要求2所述的預測系統，其特征在于：第二部分中，所述病灶特征和臨床特征進行預處理后的結果分別為：(1)年齡：為0到1之間的數值；(2)性別：若為女，預處理后結果為0，若為男，預處理后結果為1；(3)首發癥狀：若為“體檢發現”，預處理后結果為0，若為“出現癥狀”，預處理后結果為1；(4)合并癥：若為“是”，預處理后結果為0，若為“否”，預處理后結果為1；(5)腫瘤家族史：若為“是”，預處理后結果為1，若為“否”，預處理后結果為2，若為“不詳”，預處理后結果為3；(6)吸煙史：若為“無”，預處理后結果為0，若為“有”，預處理后結果為1；(7)主要病變部位：若為“左上葉”，預處理后結果為1，若為“左下葉”，預處理后結果為2，若為“右上葉”，預處理后結果為3，若為“右中葉”，預處理后結果為4，若為“右下葉”，預處理后結果為5；(8)主要病變大小，單位為厘米：為0到1之間的數值；(9)磨玻璃樣病變GGO成分：若為“純GGO”，預處理后結果為1，若為“大于50％GGO成分”，預處理后結果為2，若為“小于50％GGO成分”，預處理后結果為3；(10)是否質地均勻：若為“否”，預處理后結果為0，若為“是”，預處理后結果為1；(11)是否有支氣管充氣征：若為“否”，預處理后結果為0，若為“是”，預處理后結果為1；(12)是否有空泡征：若為“否”，預處理后結果為0，若為“是”，預處理后結果為1；(13)邊界是否清楚：若為“否”，預處理后結果為0，若為“是”，預處理后結果為1；(14)是否有毛刺：若為“否”，預處理后結果為0，若為“是”，預處理后結果為1；(15)是否有分葉：若為“否”，預處理后結果為0，若為“是”，預處理后結果為1；(16)邊緣是否光滑：若為“否”，預處理后結果為0，若為“是”，預處理后結果為1；(17)是否有胸膜凹陷/牽拉：若為“否”，預處理后結果為0，若為“是”，預處理后結果為1；(18)形狀：若為“不規則”，預處理后結果為0，若為“圓形橢圓形”，預處理后結果為1；(19)到胸膜最短距離：為0到1之間的數值；(20)身高，單位為厘米：為0到1之間的數值；(21)身高，單位為米：為0到1之間的數值；(22)體重，單位為kg：為0到1之間的數值；(23)身體質量指數BMI，單位為kg/m：為0到1之間的數值。

4.根據權利要求1～3任一項所述的預測系統，其特征在于：第三部分中，所述全連接網絡模型為6層的全連接神經網絡模型。