[发明专利]一种基于CT影像的病灶随访评估方法及系统

说明书

本发明提供一种基于CT影像的病灶随访评估方法和系统，包括以下步骤：获取同一病患的对应不同时间点的当前有效特征集和历史有效特征集；将当前有效特征集和历史有效特征集输入随访预测模型中进行随访双任务校正得到预测结果自校正后的随访预测结果，其中随访双任务包括分类任务和回归任务，该病灶随访评估方法可基于病患的当前病患数据随机调取该病患的历史病患数据，基于前后两次病患数据进行当前病灶情况随访预测，且可在同一随访预测模型中对随访预测结果进行自校正，以期得到精准度高的随访预测结果，也可在实际测试过程中不断地随访优化预测模型。

技术领域

本发明涉及智慧医疗技术领域，特别涉及一种基于CT影像的病灶随访评估方法及系统。

背景技术

随着技术飞速发展，医学数据的持续扩增和硬件设备的不断提升，人工智能和医疗的结合越来越紧密，其中AI医学影像作为一种具有高诊断效率以及高准确率的辅助工具在医疗领域中有着广泛的应用，目前已经有一些现有技术手段能够达到直接根据医学影像获取诊断结果的效果，但是还不能够满足实际医疗的全部需求，在实际医疗过程中医护人员需要对病患进行随访，以更好地了解患者的病情康复情况。

现有技术CN108847286A提供一种“基于影像特征数据的肿瘤预测方法”，其建立对比函数模型，通过分类比对患者样本数据和历史样本数据得到患者的患病概率，并基于观察受检员后期发病率或者专家的判断修正对比函数，以期得到预测准确率高的对比函数模型。然而在该方案中的对比函数模型采用简单的神经网络算法进行比对，本身的预测结果就存在很大的质疑性；另外，对比函数模型的校正需要人为参与，加大了医护人员的工作量且很大程度地依赖于大量的病患成本和医生的专业判断，对于一些病灶样本少、医护人员也难以判断的病灶样本就无法进行准确的及时的模型校正，比如新兴的肺炎病灶。

现有技术CN110364236A提供一种“放射影像报告的智能随访方法、系统、设备”，该方法通过调取历史影像报告的诊断属性，通过诊断属性的匹配实现病理报告和影像报告是否一致的判断。然而该方案中采用的诊断属性匹配模型是用于匹配病理诊断属性和影像诊断之间是否匹配，起到便于随访放射科医生工作情况的作用，便于放射科医生判断影像诊断是否正确，用于提高自己的业务水平，其影像诊断和病理诊断均是人为操作的，并无减轻医护人员的工作量。

现有技术CN111209945A提供一种“基于AI的影像科医疗影像辅助识别方法及系统”，其对历史样本数据进行时空关联性预处理，得到带有时间演进特征的历史样本，利用学习模型协助医护人员了解疾病的演变过程，虽然该方案并不能对病情进行预判，特别的，对于病灶样本量少的方案也不适用于该方案进行训练学习。

另外，以上提及的医学影像辅助诊断方法和系统均无法做到模型自校正，若需要达到精准的输出结果往往需要大量的样本训练数据，不适用于病灶样本量少的情况。

发明内容

本发明的目的在于提供一种基于CT影像的病灶随访评估方法及系统，该病灶随访评估方法可基于病患的当前病患数据随机调取该病患的历史病患数据，基于前后两次病患数据进行当前病灶情况随访预测，且可在同一随访预测模型中对随访预测结果进行自校正，以期得到精准度高的随访预测结果，也可在实际测试过程中不断地随访优化预测模型。

为实现以上目的，第一方面，本技术方案提供一种基于CT影像的病灶随访评估方法，包括以下步骤：获取同一病患的对应不同时间点的当前有效特征集和历史有效特征集；将当前有效特征集和历史有效特征集输入随访预测模型中进行随访双任务校正得到预测结果自校正后的随访预测结果，其中随访双任务包括分类任务和回归任务，其中当前有效特征集和历史有效特征集均至少包括对应病患数据的病灶量化特征、病灶纹理特征以及临床表现特征，其中随访预测结果包括病灶对应疾病的变化情况。