[發明專利]基于病人檢測信息對潛在治療方案治愈概率打分的方法

有效

• 申請號: 202110738375.8
• 申請日: 2021-06-30
• 公開（公告）號: CN113436727B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 薛宇;茍宇杰;寧萬山
• 申請（專利權）人: 華中科技大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H70/20;G16H50/30;G16H50/70;G16H50/50;G16H20/10;G06N3/04;G06N3/08
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 許恒恒

本發明屬于深度學習分析領域，公開了一種基于病人檢測信息對潛在治療方案治愈概率打分的方法，該方法包括以下步驟：(S1)收集訓練用數據；(S2)建立邏輯回歸模型并訓練；(S3)分別建立unet模型和三維卷積神經網絡模型并訓練；(S4)補全訓練用數據，得到訓練用數據對應的任意一位病人在治療過程中每一天的生存情況得分；(S5)建立長短期記憶網絡LSTM模型并訓練；(S6)隨機潛在治療方案，預測得到第N+2天的生存情況得分，從而即可完成對該潛在治療方案的打分。本發明通過對方法及系統的整體流程設計等進行改進，能夠從大數據分析的角度具體量化病人的情況，對潛在治療方案治愈概率進行打分。

技術領域

本發明屬于深度學習分析領域，更具體地，涉及一種基于病人檢測信息對潛在治療方案治愈概率打分的方法，與該方法相對應的系統，同樣能夠基于病人檢測信息對潛在治療方案治愈概率進行打分。

背景技術

針對一類疾病，病人的各項檢測值往往蘊含大量信息。目前醫生針對病人的治療基于經驗和自身對病人情況的判斷，個體差異較大，可能出現各種原因導致的誤診，給出診斷方案時也可能考慮不周。

肺部疾病，除了在臨床檢查信息(如血檢、尿檢)上有體現外，往往還可以通過患者肺部CT圖像進行判斷。綜合各種數據往往能得到相對準確的結果。同時目前并沒有對治療方案實時更新的預測方法，本發明希望利用病人的檢查結果及治療方案，給出治愈概率打分較高的治療方案，為醫生提供合理的建議和參考。

發明內容

針對現有技術的以上缺陷或改進需求，本發明的目的在于提供一種基于病人檢測信息對潛在治療方案治愈概率打分的方法及系統，其中通過對方法的整體流程設計、及相應系統的功能模塊設置等進行改進，能夠從大數據分析的角度具體量化病人的情況，對潛在治療方案治愈概率進行打分；進一步的，基于本發明方法及系統得到的治愈概率打分高的潛在治療方案，相當于給出了合理的潛在診斷及治療建議，為醫生提供參考，為提供治療方案給出了一個新途徑。相較于現有技術往往需要醫生依靠自身經驗給出判斷與治療方案，利用本發明，能夠基于數據分析與深度學習對病人情況和治療方案進行判定，可以為醫生提供參考、建議，開辟了一種區別于傳統的新途徑。

為實現上述目的，按照本發明的一個方面，提供了一種基于病人檢測信息對潛在治療方案治愈概率打分的方法，其特征在于，針對種類預先選定的肺部疾病，該方法包括以下步驟：

(S1)針對預先已知結局是死亡還是治愈出院的患有該肺部疾病的病人，收集他們入院后的臨床檢查結果、入院后的肺部CT圖像以及入院后每一天的治療方式，作為訓練用數據；

其中，所述臨床檢查結果為血檢結果和尿檢結果；每一天的治療方式，包括：針對預先選定的多種藥物中每一種藥物是否使用，以及預先設定的多種通風方案中每一種通風方案是否使用；

(S2)根據訓練用數據中的臨床檢查結果，編制表格，該表格中的每一列用于代表相應的一項檢測，每一行代表一個病人某一天的檢測值；

建立邏輯回歸模型，利用所述表格中的每一行數據、并以該行數據所對應的病人結局為標簽，對該邏輯回歸模型進行訓練，使訓練后的邏輯回歸模型能夠以某一病人的臨床檢查結果為輸入，預測該病人基于臨床信息的臨床信息檢測當天的生存情況得分；

(S3)分別建立unet模型和三維卷積神經網絡模型，利用訓練用數據中的肺部CT圖像對它們進行訓練，其中，就某一個訓練樣本：

首先將3D肺部CT圖像切片為若干張2D肺部CT圖像切片，利用所述unet模型提取每一張2D肺部CT圖像切片中的肺實質區域；接著，利用每一張2D肺部CT圖像切片中的肺實質區域，對3D肺部CT圖像進行處理，得到3D肺部CT圖像中肺實質區域的最大外接立方體；然后，將該立方體縮放至預先設定的統一尺寸，并以該訓練樣本所對應的病人結局為標簽，對所述三維卷積神經網絡模型進行訓練；