[发明专利]一种基于神经网络的计算机辅助术前肺癌患者N2期淋巴结预测系统

权利要求书

1.一种基于神经网络的肺癌患者N2期淋巴结预测系统，其特征在于：所述肺癌患者的淋巴结N分期情况为N2分期或N0/N1分期，所述系统包括以下五个部分：

第一部分：数据输入部分；用于输入肺癌患者的CT特征和临床特征；

第二部分：数据预处理部分；用于对第一部分输入的CT特征和临床特征进行预处理，其中，对CT特征和临床特征中的连续性数据进行归一化处理，对CT特征和临床特征中的离散数据进行独热编码；

第三部分：模型构建部分；构建全连接网络模型；

第四部分：模型训练部分；用已知淋巴结N分期情况的肺癌患者的信息训练模型，具体是将肺癌患者中淋巴结N分期为N2分期的标记为X，淋巴结N分期为N0/N1分期的标记为Y，X与Y不同；将肺癌患者的CT特征和临床特征利用第二部分预处理后的数据对第三部分构建的全连接网络模型进行训练；

第五部分：预测部分；将待预测肺癌患者的CT特征和临床特征按照第二部分的方式进行预处理后，利用第四部分训练后的模型进行预测，输出预测结果：若输出的预测结果为X，则该待预测肺癌患者是N2分期，若输出的预测结果为Y，则该待预测肺癌患者是N0/N1分期。

2.根据权利要求1所述的预测系统，其特征在于：第一部分中，所述肺癌患者为非小细胞肺癌患者，优选为T1N0M0非小细胞肺癌患者，更优选为系统性淋巴结清扫术前T1N0M0非小细胞肺癌患者。

3.根据权利要求1所述的预测系统，其特征在于：第一部分中，所述CT特征和临床特征包括以下特征中的一种或多种：(1)性别；(2)体检时CT筛查发现结节；(3)吸烟史；(4)主要病变大小，单位为厘米；(5)主要病变位置；(6)淋巴结肿大；(7)淋巴结肿大为无、单站或多站；(8)空泡征；(9)分叶征；(10)边界不清晰；(11)胸膜牵拉；(12)磨玻璃；(13)毛刺征；(14)强化征；(15)其它CT特征。

4.根据权利要求3所述的预测系统，其特征在于：第二部分中，所述CT特征和临床特征进行预处理后的结果分别为：(1)性别：若为男，预处理后结果为1，若为女，预处理后结果为0；(2)体检时CT筛查发现结节：若为是，预处理后结果为1，若为否，预处理后结果为0；(3)吸烟史：若为是，预处理后结果为1，若为否，预处理后结果为0；(4)主要病变大小：为0到1之间的数值；(5)主要病变位置：若为中央型，预处理后结果为1，若为周围型，预处理后结果为0；(6)淋巴结肿大：若为是，预处理后结果为1，若为否，预处理后结果为0；(7)淋巴结肿大为无、单站或多站：若为无，预处理后结果为0，若为单站，预处理后结果为0.5，若为多站，预处理后结果为1；(8)空泡征：：若为是，预处理后结果为1，若为否，预处理后结果为0；(9)分叶征：若为是，预处理后结果为1，若为否，预处理后结果为0；(10)边界不清晰：若为是，预处理后结果为1，若为否，预处理后结果为0；(11)胸膜牵拉：若为是，预处理后结果为1，若为否，预处理后结果为0；(12)磨玻璃：若为是，预处理后结果为1，若为否，预处理后结果为0；(13)毛刺征：若为是，预处理后结果为1，若为否，预处理后结果为0；(14)强化征：若为是，预处理后结果为1，若为否，预处理后结果为0；(15)其它CT特征：若为是，预处理后结果为1，若为否，预处理后结果为0。

5.根据权利要求1～4任一项所述的预测系统，其特征在于：第三部分中，所述全连接网络模型为5层的全连接神经网络模型；优选的，所述5层的全连接神经网络模型的组成为：第1层、第2层、第3层分别包含一个block块，每一个block块包含一个全连接层、一个batchnorm层和一个ReLU层；第4层为linear层；第5层为Sigmoid层。