[发明专利]人工智能医学影像的肿瘤恶性风险分层辅助诊断系统

权利要求书

1.人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，包括：

数据采集模块：用于采集现有数据，包括影像图像、临床信息、基因信息和病理良恶性标签，对数据完整性及数据质量进行验证评估后，进行数据脱敏处理并发送至数据预处理模块；

数据预处理模块：对采集到的现有数据进行降噪和归一化处理，在影像图像上标注和分割与病理结果对应的感兴趣区域；

模型建立模块：基于数据预处理模块得到的感兴趣区域进行特征提取和特征选择，筛选出低冗余高相关的特征，建立肿瘤恶性风险分层模型，并针对不同应用场景，选择高敏感性良性病变检出模型和高特异性恶性病变检出模型的模型参数及阈值：对于临床筛查应用场景，选择高敏感性良性病变检出模型，使阴性预测值99%；针对恶性病变明确诊断临床场景，选择高特异性恶性病变检出模型，使阳性预测值99%，分层出极高风险病变；

模型验证与优化模块：用于评价模型在不同参数、不同场景下的有效性、泛化性和鲁棒性，并采用奖惩机制对模型性能进行迭代，在保证高敏感性和高特异性的前提下，逐步修改模型参数，提高诊断能力和准确性；模型验证与优化方式为：在验证数据集上进行模型验证，画出ROC曲线，在高敏感性模型中寻找敏感性99%时对应的特异性指标应≥20%的特异性指标；在高特异性模型中寻找特异性99%时对应的敏感性指标应≥20%的敏感性指标；并计算阳性预测值、阴性预测值及准确性指标；奖惩机制为：在训练集中，先构建分类模型，标记良性及恶性标签；对人工智能识别错误图像，以三位以上医学专家的综合意见指导，对于医生明确诊断不应出错的图像对先前模型施加惩罚因子；对人工智能识别准确的图像，在模型改进中施加奖励因子；结合奖惩因子和原有模型，修改得到新的模型，并循环迭代优化模型，最终得到理想的肿瘤恶性风险分层模型；

分层诊断模块：对检测样本进行诊断，将肿瘤分层为极低风险病变、极高风险病变及风险不确定病变，反馈给医生的终端设备和数据库平台；

数据库平台：与上述各模块连接，用于模型建立数据存储和调取，并不断收集新增数据，提供模型在线更新功能。

2.根据权利要求1所述的人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，所述现有数据的来源包括：公开数据集及各级医院的病例数据。

3.根据权利要求1所述的人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，采集肺结节数据时，现有数据的采集标准为：纳入的所有结节均为大小小于3cm的原发结节，良性标签取自手术病理，恶性标签为手术、穿刺或支气管镜活检手段取得，影像图像为无明显伪影的胸部CT平扫。

4.根据权利要求2所述的人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，所述脱敏处理包括隐去患者隐私信息和医疗机构信息。

5.根据权利要求1所述的人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，所述数据预处理模块中，通过医师寻找与病理结果对应的病变，然后利用经医师修改确认的自动分割方法或医生采用手工分割方法，对病变进行轮廓分割和局部方块分割。