[发明专利]基于病人检测信息对潜在治疗方案治愈概率打分的方法

说明书

本发明属于深度学习分析领域，公开了一种基于病人检测信息对潜在治疗方案治愈概率打分的方法，该方法包括以下步骤：(S1)收集训练用数据；(S2)建立逻辑回归模型并训练；(S3)分别建立unet模型和三维卷积神经网络模型并训练；(S4)补全训练用数据，得到训练用数据对应的任意一位病人在治疗过程中每一天的生存情况得分；(S5)建立长短期记忆网络LSTM模型并训练；(S6)随机潜在治疗方案，预测得到第N+2天的生存情况得分，从而即可完成对该潜在治疗方案的打分。本发明通过对方法及系统的整体流程设计等进行改进，能够从大数据分析的角度具体量化病人的情况，对潜在治疗方案治愈概率进行打分。

技术领域

本发明属于深度学习分析领域，更具体地，涉及一种基于病人检测信息对潜在治疗方案治愈概率打分的方法，与该方法相对应的系统，同样能够基于病人检测信息对潜在治疗方案治愈概率进行打分。

背景技术

针对一类疾病，病人的各项检测值往往蕴含大量信息。目前医生针对病人的治疗基于经验和自身对病人情况的判断，个体差异较大，可能出现各种原因导致的误诊，给出诊断方案时也可能考虑不周。

肺部疾病，除了在临床检查信息(如血检、尿检)上有体现外，往往还可以通过患者肺部CT图像进行判断。综合各种数据往往能得到相对准确的结果。同时目前并没有对治疗方案实时更新的预测方法，本发明希望利用病人的检查结果及治疗方案，给出治愈概率打分较高的治疗方案，为医生提供合理的建议和参考。

发明内容

针对现有技术的以上缺陷或改进需求，本发明的目的在于提供一种基于病人检测信息对潜在治疗方案治愈概率打分的方法及系统，其中通过对方法的整体流程设计、及相应系统的功能模块设置等进行改进，能够从大数据分析的角度具体量化病人的情况，对潜在治疗方案治愈概率进行打分；进一步的，基于本发明方法及系统得到的治愈概率打分高的潜在治疗方案，相当于给出了合理的潜在诊断及治疗建议，为医生提供参考，为提供治疗方案给出了一个新途径。相较于现有技术往往需要医生依靠自身经验给出判断与治疗方案，利用本发明，能够基于数据分析与深度学习对病人情况和治疗方案进行判定，可以为医生提供参考、建议，开辟了一种区别于传统的新途径。

为实现上述目的，按照本发明的一个方面，提供了一种基于病人检测信息对潜在治疗方案治愈概率打分的方法，其特征在于，针对种类预先选定的肺部疾病，该方法包括以下步骤：

(S1)针对预先已知结局是死亡还是治愈出院的患有该肺部疾病的病人，收集他们入院后的临床检查结果、入院后的肺部CT图像以及入院后每一天的治疗方式，作为训练用数据；

其中，所述临床检查结果为血检结果和尿检结果；每一天的治疗方式，包括：针对预先选定的多种药物中每一种药物是否使用，以及预先设定的多种通风方案中每一种通风方案是否使用；

(S2)根据训练用数据中的临床检查结果，编制表格，该表格中的每一列用于代表相应的一项检测，每一行代表一个病人某一天的检测值；

建立逻辑回归模型，利用所述表格中的每一行数据、并以该行数据所对应的病人结局为标签，对该逻辑回归模型进行训练，使训练后的逻辑回归模型能够以某一病人的临床检查结果为输入，预测该病人基于临床信息的临床信息检测当天的生存情况得分；

(S3)分别建立unet模型和三维卷积神经网络模型，利用训练用数据中的肺部CT图像对它们进行训练，其中，就某一个训练样本：

首先将3D肺部CT图像切片为若干张2D肺部CT图像切片，利用所述unet模型提取每一张2D肺部CT图像切片中的肺实质区域；接着，利用每一张2D肺部CT图像切片中的肺实质区域，对3D肺部CT图像进行处理，得到3D肺部CT图像中肺实质区域的最大外接立方体；然后，将该立方体缩放至预先设定的统一尺寸，并以该训练样本所对应的病人结局为标签，对所述三维卷积神经网络模型进行训练；