本發(fā)明涉及腫瘤篩查領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的肺部腫瘤早期篩查方法和系統(tǒng)。

背景技術(shù)：

1、目前，隨著醫(yī)學(xué)影像和微創(chuàng)生物標(biāo)志物技術(shù)的發(fā)展，癌癥的準(zhǔn)確檢測(cè)、表征和監(jiān)測(cè)正面臨挑戰(zhàn)。腫瘤的影像學(xué)評(píng)估主要依賴于視覺(jué)評(píng)估，但高級(jí)計(jì)算分析可以增強(qiáng)其解釋。人工智能(ai)在臨床醫(yī)生對(duì)癌癥成像的定性解釋方面取得了重大進(jìn)展，包括隨時(shí)間推移腫瘤的體積描繪，預(yù)測(cè)臨床結(jié)果，以及評(píng)估疾病和治療對(duì)鄰近器官的影響。

2、度學(xué)習(xí)方法在自動(dòng)量化醫(yī)學(xué)成像數(shù)據(jù)中的影像特征方面取得了重大進(jìn)展。這些方法可以自動(dòng)從樣本圖像中學(xué)習(xí)特征表示，并已在任務(wù)特定的應(yīng)用程序中匹配甚至超越人類的表現(xiàn)。在肺癌診斷中，人工智能技術(shù)已顯示出巨大的潛力，包括肺癌篩查與影像診斷、基因突變檢測(cè)、血液腫瘤標(biāo)志物檢測(cè)、組織病理檢測(cè)以及臨床決策支持。例如，醫(yī)療ai技術(shù)，已經(jīng)實(shí)現(xiàn)了大規(guī)模早期胰腺癌的篩查，其早期篩查模型的特異性達(dá)到了99.9％，檢測(cè)胰腺腫瘤的能力可達(dá)92.9％。深度學(xué)習(xí)算法、數(shù)據(jù)挖掘分析、自然語(yǔ)言處理、模式識(shí)別等是智能腫瘤學(xué)技術(shù)創(chuàng)新的主要方向。這些技術(shù)在腫瘤大數(shù)據(jù)分析、腫瘤的預(yù)防與篩查、早診早治、基于圖像識(shí)別技術(shù)的針對(duì)腫瘤影像學(xué)和病理學(xué)數(shù)據(jù)的輔助診療系統(tǒng)和預(yù)后預(yù)測(cè)模型的建立等方面得到應(yīng)用。

3、但是，深度學(xué)習(xí)模型需要大量的高質(zhì)量數(shù)據(jù)來(lái)進(jìn)行訓(xùn)練。在醫(yī)療領(lǐng)域，獲取大量標(biāo)記良好的數(shù)據(jù)可能很困難，特別是對(duì)于罕見(jiàn)疾病或腫瘤類型。如果訓(xùn)練數(shù)據(jù)存在偏差，那么模型可能會(huì)在特定人群或場(chǎng)景中表現(xiàn)不佳。例如，如果訓(xùn)練數(shù)據(jù)主要來(lái)自特定年齡段或種族的患者，模型可能無(wú)法很好地泛化到其他人群。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種基于深度學(xué)習(xí)的肺部腫瘤早期篩查方法和系統(tǒng)，用于解決上述背景技術(shù)中的情況。

2、第一方面，本發(fā)明提出一種基于深度學(xué)習(xí)的肺部腫瘤早期篩查方法，包括：

3、獲取患者肺部的篩查數(shù)據(jù)和患者體質(zhì)數(shù)據(jù)，確定不同篩查數(shù)據(jù)對(duì)應(yīng)的肺部特征；

4、根據(jù)患者體質(zhì)數(shù)據(jù)，對(duì)患者進(jìn)行風(fēng)險(xiǎn)分級(jí)，其中，風(fēng)險(xiǎn)分級(jí)后每個(gè)風(fēng)險(xiǎn)等級(jí)的患者對(duì)應(yīng)有唯一風(fēng)險(xiǎn)系數(shù)，且患者體質(zhì)數(shù)據(jù)越低，唯一風(fēng)險(xiǎn)系數(shù)越大；

5、將肺部特征通過(guò)預(yù)設(shè)肺部腫瘤識(shí)別網(wǎng)絡(luò)進(jìn)行特征融合，生成肺部腫瘤病理特征的篩查模型；

6、根據(jù)篩查模型，對(duì)肺部特征中不同腫瘤病理特征進(jìn)行預(yù)測(cè)賦權(quán)，確定不同肺部腫瘤病理特征的腫瘤置信值；

7、設(shè)置評(píng)估閾值，并判斷肺部特征結(jié)合評(píng)估系數(shù)后腫瘤置信值是否在評(píng)估閾值范圍內(nèi)，當(dāng)腫瘤置信值在評(píng)估范圍內(nèi)時(shí)，通過(guò)腫瘤置信值和唯一風(fēng)險(xiǎn)系數(shù)，判斷患者肺部存在腫瘤的實(shí)時(shí)風(fēng)險(xiǎn)值。

8、結(jié)合第一方面，所述篩查數(shù)據(jù)包括：肺部低劑量螺旋ct數(shù)據(jù)、肺部腫瘤標(biāo)志物數(shù)據(jù)、肺部組織活檢數(shù)據(jù)、肺部細(xì)胞液數(shù)據(jù)或肺部熒光支氣管鏡數(shù)據(jù)。

9、結(jié)合第一方面，所述患者體質(zhì)數(shù)據(jù)包括：肝部病變數(shù)據(jù)、肝部職業(yè)暴漏數(shù)據(jù)和肝部遺傳病數(shù)據(jù)。

10、結(jié)合第一方面，所述確定不同篩查數(shù)據(jù)對(duì)應(yīng)的肺部特征，包括：

11、構(gòu)建多源數(shù)據(jù)端口，通過(guò)多源數(shù)據(jù)端口對(duì)篩查數(shù)據(jù)進(jìn)行劃分，并根據(jù)劃分結(jié)果，搭建肺部特征矩陣；

12、根據(jù)肺部特征矩陣，構(gòu)建與肺部腫瘤特征關(guān)聯(lián)的腫瘤近鄰網(wǎng)絡(luò)圖；

13、根據(jù)腫瘤近鄰網(wǎng)絡(luò)圖，在不同肺部數(shù)據(jù)中提取高斯核函數(shù)和多項(xiàng)式核函數(shù)的肺部參數(shù)，生成目標(biāo)高斯核函數(shù)和目標(biāo)多項(xiàng)式核函數(shù)；

14、計(jì)算肺部特征矩陣中多源數(shù)據(jù)端口的數(shù)據(jù)內(nèi)積；

15、根據(jù)目標(biāo)高斯核函數(shù)將數(shù)據(jù)內(nèi)積達(dá)到預(yù)設(shè)內(nèi)積閾值的通道序列對(duì)映射到高斯核空間，以及，根據(jù)目標(biāo)多項(xiàng)式核函數(shù)將數(shù)據(jù)內(nèi)積小于預(yù)設(shè)內(nèi)積閾值的通道序列對(duì)映射到多項(xiàng)式核空間；

16、在高斯核空間和多項(xiàng)式核空間中，根據(jù)映射后的各核空間的核矩陣分別提取各核空間的肺部特征；

17、根據(jù)肺部特征矩陣的類別標(biāo)簽，將各核空間的信息素特征融合映射到組合核空間，獲得重構(gòu)肺部特征矩陣；

18、對(duì)肺部特征矩陣矩陣進(jìn)行降維，獲得肺部特征。

19、結(jié)合第一方面，所述根據(jù)患者體質(zhì)數(shù)據(jù)，對(duì)患者進(jìn)行風(fēng)險(xiǎn)分級(jí)，包括：

20、對(duì)患者體質(zhì)數(shù)據(jù)按照風(fēng)險(xiǎn)角度進(jìn)行劃分，生成多個(gè)評(píng)估項(xiàng)，其中，每個(gè)評(píng)估項(xiàng)對(duì)應(yīng)患者一項(xiàng)與肺部腫瘤關(guān)聯(lián)的體質(zhì)數(shù)據(jù)；

21、根據(jù)多個(gè)評(píng)估項(xiàng)的個(gè)數(shù)，確定患者的風(fēng)險(xiǎn)分級(jí)復(fù)雜度；

22、根據(jù)風(fēng)險(xiǎn)分級(jí)復(fù)雜度，設(shè)定風(fēng)險(xiǎn)疊加矩陣；

23、根據(jù)風(fēng)險(xiǎn)疊加矩陣，進(jìn)行聚合計(jì)算，并根據(jù)聚合計(jì)算結(jié)果歸屬的風(fēng)險(xiǎn)分級(jí)區(qū)間，確定患者體質(zhì)的風(fēng)險(xiǎn)等級(jí)。

24、結(jié)合第一方面，所述將肺部特征通過(guò)預(yù)設(shè)肺部腫瘤識(shí)別網(wǎng)絡(luò)進(jìn)行特征融合，包括：

25、計(jì)算肺部特征和肺部腫瘤的相關(guān)度，并生成相關(guān)性特征向量；

26、根據(jù)相關(guān)性特征向量，通過(guò)特征演化的預(yù)設(shè)肺部腫瘤演化模型輸出對(duì)應(yīng)的肺部特征分析數(shù)據(jù)，其中，分析數(shù)據(jù)為每個(gè)肺部特征在通過(guò)預(yù)設(shè)肺部腫瘤演化模型進(jìn)行演化過(guò)程中，產(chǎn)生的演化預(yù)測(cè)數(shù)據(jù)；

27、將演化預(yù)測(cè)數(shù)據(jù)輸入預(yù)設(shè)肺部腫瘤識(shí)別網(wǎng)絡(luò)，確定每個(gè)肺部特征的演化特征；

28、通過(guò)演化特征，判斷每個(gè)肺部特征是否與肺部腫瘤相關(guān)，其中：

29、當(dāng)肺部特征與肺部腫瘤相關(guān)時(shí)，將對(duì)應(yīng)肺部特征通過(guò)預(yù)設(shè)肺部腫瘤識(shí)別網(wǎng)絡(luò)進(jìn)行識(shí)別標(biāo)注。

30、結(jié)合第一方面，所述預(yù)測(cè)賦權(quán)包括：

31、根據(jù)篩查模型，確定肺部特征中不同腫瘤病理特征的演化概率和演化方向；

32、通過(guò)演化概率和演化方向，搭建患者的演化函數(shù)；

33、設(shè)定關(guān)聯(lián)閾值，并判斷不同腫瘤病理特征的演化函數(shù)的關(guān)聯(lián)值；

34、根據(jù)每個(gè)腫瘤病理特征的關(guān)聯(lián)值在關(guān)聯(lián)閾值中的個(gè)數(shù)，確定預(yù)測(cè)賦權(quán)值。

35、結(jié)合第一方面，所述設(shè)置評(píng)估閾值包括：

36、通過(guò)預(yù)設(shè)肺部腫瘤數(shù)據(jù)庫(kù)，確定患者肺部腫瘤病理特征與肺部腫瘤關(guān)聯(lián)的第一特征數(shù)據(jù)；

37、對(duì)第一特征數(shù)據(jù)進(jìn)行劃分，并輸入多個(gè)評(píng)估項(xiàng)窗口；

38、利用高斯分布的方法構(gòu)建肺部腫瘤病理特征與評(píng)估項(xiàng)窗口的映射關(guān)系模型；

39、根據(jù)映射關(guān)系模型計(jì)算每個(gè)評(píng)估項(xiàng)窗口的概率分布和評(píng)估閾值。

40、結(jié)合第一方面，所述判斷患者肺部存在腫瘤的實(shí)時(shí)風(fēng)險(xiǎn)值，還包括：

41、獲取預(yù)設(shè)肺部腫瘤識(shí)別網(wǎng)絡(luò)的損失函數(shù)；

42、通過(guò)損失函數(shù)和實(shí)時(shí)風(fēng)險(xiǎn)值，輸出患者的肺部腫瘤篩查報(bào)告。

43、第二方面，一種基于深度學(xué)習(xí)的肺部腫瘤早期篩查系統(tǒng)，包括：

44、特征提取模塊：獲取患者肺部的篩查數(shù)據(jù)和患者體質(zhì)數(shù)據(jù)，確定不同篩查數(shù)據(jù)對(duì)應(yīng)的肺部特征；

45、風(fēng)險(xiǎn)分級(jí)模塊：根據(jù)患者體質(zhì)數(shù)據(jù)，對(duì)患者進(jìn)行風(fēng)險(xiǎn)分級(jí)，其中，風(fēng)險(xiǎn)分級(jí)后每個(gè)風(fēng)險(xiǎn)等級(jí)的患者對(duì)應(yīng)有唯一風(fēng)險(xiǎn)系數(shù)，且患者體質(zhì)數(shù)據(jù)越低，唯一風(fēng)險(xiǎn)系數(shù)越大；

46、特征融合模塊：將肺部特征通過(guò)預(yù)設(shè)肺部腫瘤識(shí)別網(wǎng)絡(luò)進(jìn)行特征融合，生成肺部腫瘤病理特征的篩查模型；

47、賦權(quán)模塊：根據(jù)篩查模型，對(duì)肺部特征中不同腫瘤病理特征進(jìn)行預(yù)測(cè)賦權(quán)，確定不同肺部腫瘤病理特征的腫瘤置信值；

48、風(fēng)險(xiǎn)判定模塊：設(shè)置評(píng)估閾值，并判斷肺部特征結(jié)合評(píng)估系數(shù)后腫瘤置信值是否在評(píng)估閾值范圍內(nèi)，當(dāng)腫瘤置信值在評(píng)估范圍內(nèi)時(shí)，通過(guò)腫瘤置信值和唯一風(fēng)險(xiǎn)系數(shù)，判斷患者肺部存在腫瘤的實(shí)時(shí)風(fēng)險(xiǎn)值。

49、上述技術(shù)方案的有益效果在于：

50、本發(fā)明充分利用了深度學(xué)習(xí)技術(shù)的優(yōu)勢(shì)，通過(guò)多模融合的方式，提高了肺部腫瘤早期篩查的效率和準(zhǔn)確性。同時(shí)，它也考慮到了患者的風(fēng)險(xiǎn)因素，使得篩查結(jié)果更加準(zhǔn)確和可靠。

51、本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書(shū)中闡述，并且，部分地從說(shuō)明書(shū)中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過(guò)在所寫(xiě)的說(shuō)明書(shū)以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

52、下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。