[发明专利]基于人工智能帮助肺癌筛查的方法及系统

权利要求书

1.一种基于人工智能帮助肺癌筛查的方法，其特征在于，通过分别生成鉴别肺癌模型和肺结节良恶性评估模型，当在线检测时，实时采集对象的基本信息、基本健康信息、一般生活状态、目前的呼吸系统症状、慢性病与肺病史和吸烟状态，并通过鉴别肺癌模型和肺结节良恶性评估模型检测得到患癌风险值和结节的恶性概率；

所述的鉴别肺癌模型，首先建立病例数据并进行结构初始化，通过收集肺癌患者和健康人结构化病例数据信息，经特征提取和特征数据标准化处理后，对得到的训练用数据集进行机器学习，通过训练得到鉴别肺癌模型；

所述的肺结节良恶性评估模型，首先建立CT片中肺结节影像特征信息结构，收集确诊为恶性的结节和确诊为良性的结节的影像特征，经特征提取和特征数据标准化处理后，对得到的训练用数据集进行机器学习，通过训练得到肺结节良恶性评估模型。

2.根据权利要求1所述的方法，其特征是，所述的病例数据是指：根据医学逻辑和已有文献报导，定义与肺癌风险相关的病例信息字段，针对每个字段定义可能出现的情形，对分类型字段的内容进行赋值量化，建立数据字典。

3.根据权利要求1所述的方法，其特征是，所述的结构化病例数据信息是指：收集经筛查6年内确诊为肺癌和确诊未患肺癌人群的病例，根据建立的数据字典转换为结构化数据。

4.根据权利要求1所述的方法，其特征是，所述的肺结节影像特征信息结构是指：根据医学逻辑和已有文献报导，定义结节形态的大小、位置、密度、形态字段；针对每个字段定义可能出现的情形，对分类型字段的内容进行赋值量化，建立数据字典。

5.根据权利要求1所述的方法，其特征是，所述的影响特征包括：经确诊为恶性的结节和确诊为良性的CT影像结果和相关病人的病历信息，根据建立的数据字典转换为结构化数据。

6.根据权利要求1所述的方法，其特征是，所述的特征提取是指：针对结构化病例数据中的每一个特征进行数学分析和文献挖掘，选取有潜在临床意义的特征变量。

7.根据权利要求1所述的方法，其特征是，所述的训练用数据集是指：按正负样本数目基本一致的原则随机抽取样本得到。

8.根据权利要求1所述的方法，其特征是，所述的训练是指：使用支持向量机算法对上面的特征进行机器学习，用剩余数据检测预测效能，进行参数调优，再次进行机器学习和效能分析，直至获得最优模型。

9.一种实现上述任一权利要求所述方法的系统，其特征在于，包括：鉴别肺癌模型模块、肺结节良恶性评估模型模块、信息采集模块以及结果显示模块，其中：信息采集模块分别与鉴别肺癌模型模块和肺结节良恶性评估模型模块相连，输出实时采集的基本信息、基本健康信息、一般生活状态、目前的呼吸系统症状、慢性病与肺病史和吸烟状态，或输出肺癌患者和健康人结构化病例数据信息至鉴别肺癌模型模块，输出确诊为恶性的结节和确诊为良性的结节的影像特征至肺结节良恶性评估模型，鉴别模型生成模块和肺结节良恶性评估模型模块根据所得信息分别识别得到患癌风险值和结节的恶性概率，结果显示模块通过人机界面将结果显示输出。