[发明专利]肠癌腹膜转移人工智能预测模型及该模型的构建方法

说明书

本发明公开一种肠癌腹膜转移人工智能预测模型及该模型的构建方法，所述方法的步骤包括：筛选病例，勾画所述病例的肿瘤原发灶，根据所述病例和所述肿瘤原发灶构建并验证卷积神经网络模型，以及构建并验证支持向量机模型，基于CT特征的结直肠癌同时性腹膜转移人工智能模型预测准确性高，且具有高灵敏度，特异度。

技术领域

本发明涉及人工智能医疗技术领域，更具体地，涉及一种肠癌腹膜转移人工智能预测模型及该模型的构建方法。

背景技术

结直肠癌作为一种常见的消化道恶性肿瘤，严重威胁着人类的健康。根据中国国家癌症中心在2015年发表的中国癌症统计数据显示我国结直肠癌发病率、死亡率在全部恶性肿瘤中均位居前5位，远隔脏器转移是晚期结直肠癌患者死亡的主要原因之一，结直肠癌常见的远处转移包括肝转移、肺转移以及腹膜转移等，所谓腹膜转移，是指结直肠癌原发灶癌细胞经血行、淋巴管道或腹膜直接种植生长。

约有17％的转移性结直肠癌有腹膜播散，4-19％的患者在根治术后随访期发生腹膜转移，2％的患者腹膜播散是唯一的转移方式。

目前的影像学检查手段，包括增强CT(只有11％的敏感性)、MRI、PET-CT等，对＜0.5cm的腹膜转移灶检测不敏感。人工智能与医学的结合是近年来的研究重点与热点，利用人工智能技术进行疾病的诊断，可以克服医生技术差别及主观因素所带来的误诊。结肠癌腹膜转移的早期诊断对于治疗方案的选择至关重要。目前尚未有利用人工智能技术进行结肠癌同时性腹膜转移的诊断模型。

发明内容

本发明旨在克服上述现有技术的至少一种缺陷，提供一种肠癌腹膜转移人工智能预测模型及该模型的构建方法，基于CT特征的结直肠癌同时性腹膜转移人工智能模型预测准确性高，且具有高灵敏度，特异度。

本发明提供的技术方案为：

一种肠癌腹膜转移人工智能预测模型构建方法，步骤包括：筛选病例，勾画所述病例的肿瘤原发灶，根据所述病例和所述肿瘤原发灶构建并验证卷积神经网络模型，以及构建并验证支持向量机模型。

进一步，筛选病例，具体为：从腹膜转移组病例中筛选腹膜转移病例，从非腹膜转移组中筛选非腹膜转移病例，将所述腹膜转移病例分为训练组病例和验证组病例，将所述非腹膜转移病例分为训练组病例和验证组病例，所述腹膜转移病例的验证组病例数量与非腹膜转移病例的验证组病例数量相同；

勾画所述病例的肿瘤原发灶，具体为：勾画所有所述腹膜转移病例的肿瘤原发灶；

根据所述病例和所述肿瘤原发灶构建并验证卷积神经网络模型，以及构建并验证支持向量机模型，具体为：

根据勾画后的所述腹膜转移病例的训练组病例和非腹膜转移病例的训练组病例，构建卷积神经网络模型，根据勾画后的所有所述腹膜转移病例，以及所有所述非腹膜转移病例，验证所述卷积神经网络模型；根据勾画后的所述腹膜转移病例、非腹膜转移病例以及所述卷积神经网络模型，构建并验证所述支持向量机模型。

将筛选出的腹膜转移病例作为待勾画出肿瘤原发灶的病例，在腹膜转移病例中分为训练组以及验证组，两组病例都需要经过勾画后才能投入模型的构建和验证。将筛选出的非腹膜转移病例作为对照组，非腹膜转移病例同样需要分为训练组以及验证组，腹膜转移病例的训练组与非腹膜转移病例的训练组用于构建卷积神经网络模型，通过其验证组与训练组之间的数据比较验证卷积神经网络模型；在构建并验证卷积神经网络模型后，将该卷积神经网络模型应用于支持向量机模型的构建和验证中，构建和验证的过程同样需要利用勾画后的所有腹膜转移病历和非腹膜转移病历。

进一步，所述腹膜转移组病例和所述非腹膜转移组病例属于同一病例数据库。