一种获取浸润性病灶概率的方法及系统技术方案

本发明专利技术公开了一种获取浸润性病灶概率的方法及系统，提供一浸润性概率模型，方法为：S1.获取患者的浸润程度参数组；S2.将所述浸润程度参数组输入所述浸润性概率模型进行计算，以获取浸润性病灶概率；S3.判断所述浸润性病灶概率是否小于预设阈值，若是，则输出癌前病变结果；若否，则输出浸润病变结果。获取浸润性病灶概率的方法将患者的浸润程度参数组输入至浸润性概率模型以获取浸润性病灶概率，根据浸润性病灶概率给出患者临床建议结果，可靠性高。

【技术实现步骤摘要】

本专利技术涉及医学领域，尤其涉及一种获取浸润性病灶概率的方法及系统。
技术介绍
随着CT技术的提高，临床肺部磨玻璃结节的检出率越来越高，其中磨玻璃结节与肺腺癌高度相关，由于目前的临床决策普遍是医生依据患者的临床检查资料、CT影像资料及临床经验进行临床决策并给出相应的临床建议，但是仍存在较大争议。目前结节的分析仍然停留在影像科医生对于CT图像的判读，而没有统一可靠的技术。
技术实现思路
针对现有的结节的分析存在的上述问题，现提供一种旨在实现可根据患者的CT影像特征准确获取浸润性病灶概率的方法及系统。具体技术方案如下：一种获取浸润性病灶概率的方法，提供一浸润性概率模型，包括下述步骤：S1.获取患者的浸润程度参数组；S2.将所述浸润程度参数组输入所述浸润性概率模型进行计算，以获取浸润性病灶概率；S3.判断所述浸润性病灶概率是否小于预设阈值，若是，则输出癌前病变结果；若否，则输出浸润病变结果。优选的，所述浸润程度参数组包括：患者的吸烟史状态及肺部CT影像特征。优选的，所述肺部CT影像特征包括：肺部结节直径、肺部结节形状类型、肺部结节边缘类型、平均CT值和胸膜凹陷征状态。优选的，所述浸润性概率模型为：p＝ex/(1+ex)，x＝-0.4982+(0.36225*A)–(1.9591*B)+(0.9161*C)+(1.1988*D)+(0.0041*E)+(1.8230*F)，其中，p为浸润性病灶概率，e为自然指数，A表示肺部CT影像特征的肺部结节直径，B表示肺部CT影像特征的肺部结节形状类型，C表示肺部CT影像特征的肺部结节边缘类型，D表示肺部CT影像特征的胸膜状态，E表示肺部CT影像特征的平均CT值，F表示吸烟史状态。优选的，当患者的吸烟史状态为有吸烟史时F＝1，当患者的吸烟史状态为无吸烟史时F＝0。优选的，当患者的肺部CT影像特征的胸膜状态为有胸膜凹陷时D＝1，当患者的肺部CT影像特征的胸膜状态为无胸膜凹陷时D＝0。优选的，当患者的肺部CT影像特征的肺部结节边缘类型为边缘有分叶征或毛刺征时C＝1，当患者的肺部CT影像特征的肺部结节边缘类型为边缘光滑时C＝0。优选的，当患者的肺部CT影像特征的肺部结节形状类型为圆形时B＝2，当患者的肺部CT影像特征的肺部结节形状类型为椭圆形时B＝1，当患者的肺部CT影像特征的肺部结节形状类型不属于圆形或椭圆形时B＝0。优选的，所述阈值为50％。一种获取浸润性病灶概率的系统，应用如上述的获取浸润性病灶概率的方法，包括：一接收单元，用以接收患者的浸润程度参数组；一处理单元，连接所述接收单元，并提供所述浸润性概率模型，用以将所述浸润程度参数组输入所述浸润性概率模型进行计算，以获取所述浸润性病灶概率；一比较单元，连接所述处理单元，用以判断所述浸润性病灶概率是否小于预设阈值，若是，则输出癌前病变结果；若否，则输出浸润病变结果。上述技术方案的有益效果：1)获取浸润性病灶概率的方法将患者的浸润程度参数组输入至浸润性概率模型以获取浸润性病灶概率，根据浸润性病灶概率给出患者临床建议结果，提高了临床诊断的准确性，可靠性高；2)获取浸润性病灶概率的系统可支持获取浸润性病灶概率的方法。附图说明图1为本专利技术所述的获取浸润性病灶概率的方法的一种实施例的方法流程图；图2为本专利技术所述的获取浸润性病灶概率的系统的一种实施例的模块图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面结合附图和具体实施例对本专利技术作进一步说明，但不作为本专利技术的限定。如图1所示，一种获取浸润性病灶概率的方法，提供一浸润性概率模型，包括下述步骤：S1.获取患者的浸润程度参数组；S2.将浸润程度参数组输入浸润性概率模型进行计算，以获取浸润性病灶概率；S3.判断浸润性病灶概率是否小于预设阈值，若是，则输出癌前病变结果；若否，则输出浸润病变结果。进步一地，阈值为50％。在本实施例的患者为肺病患者，癌前病变为从正常组织到发生癌变的中间阶段。浸润性概率模型是通过收集肺部纯磨玻璃结节的患者资料(临床，病理和CT影像)进行统计分析而获得的模型。通过将肺病患者的浸润程度参数组输入至浸润性概率模型以获取浸润性病灶概率，根据浸润性病灶概率给出患者相应的临床建议结果，提高了临床诊断的准确性，可靠性高。在优选的实施例中，浸润程度参数组包括：患者的吸烟史状态及肺部CT影像特征。进一步地，肺部CT影像特征包括：肺部结节直径、肺部结节形状类型、肺部结节边缘类型、平均CT值和胸膜凹陷征状态。在优选的实施例中，浸润性概率模型为：p＝ex/(1+ex)，x＝-0.4982+(0.36225*A)–(1.9591*B)+(0.9161*C)+(1.1988*D)+(0.0041*E)+(1.8230*F)，其中，p为浸润性病灶概率，e为自然指数，A表示肺部CT影像特征的肺部结节直径，B表示肺部CT影像特征的肺部结节形状类型，C表示肺部CT影像特征的肺部结节边缘类型，D表示肺部CT影像特征的胸膜状态，E表示肺部CT影像特征的平均CT值，F表示吸烟史状态。当患者的吸烟史状态为有吸烟史时F＝1，当患者的吸烟史状态为无吸烟史时F＝0；当患者的肺部CT影像特征的胸膜状态为有胸膜凹陷时D＝1，当患者的肺部CT影像特征的胸膜状态为无胸膜凹陷时D＝0；当患者的肺部CT影像特征的肺部结节边缘类型为边缘有分叶征或毛刺征时C＝1，当患者的肺部CT影像特征的肺部结节边缘类型为边缘光滑时C＝0；当患者的肺部CT影像特征的肺部结节形状类型为圆形时B＝2，当患者的肺部CT影像特征的肺部结节形状类型为椭圆形时B＝1，当患者的肺部CT影像特征的肺部结节形状类型不属于圆形或椭圆形时B＝0。本实施例中的浸润性概率模型是经过统计了898例纯磨玻璃结节患者的分析了术前的临床资料(性别，年龄，与肺癌相关症状，吸烟史，家族肿瘤史，实验室检查资料)、CT影像资料(结节直径，结本文档来自技高网...

【技术保护点】
一种获取浸润性病灶概率的方法，其特征在于，提供一浸润性概率模型，包括下述步骤：S1.获取患者的浸润程度参数组；S2.将所述浸润程度参数组输入所述浸润性概率模型进行计算，以获取浸润性病灶概率；S3.判断所述浸润性病灶概率是否小于预设阈值，若是，则输出癌前病变结果；若否，则输出浸润病变结果。

【技术特征摘要】
1.一种获取浸润性病灶概率的方法，其特征在于，提供一浸润性概率模
型，包括下述步骤：
S1.获取患者的浸润程度参数组；
S2.将所述浸润程度参数组输入所述浸润性概率模型进行计算，以获取
浸润性病灶概率；
S3.判断所述浸润性病灶概率是否小于预设阈值，若是，则输出癌前病
变结果；若否，则输出浸润病变结果。
2.如权利要求1所述的获取浸润性病灶概率的方法，其特征在于，所述
浸润程度参数组包括：患者的吸烟史状态及肺部CT影像特征。
3.如权利要求2所述的获取浸润性病灶概率的方法，其特征在于，所述
肺部CT影像特征包括：肺部结节直径、肺部结节形状类型、肺部结节边缘
类型、平均CT值和胸膜凹陷征状态。
4.如权利要求1所述的获取浸润性病灶概率的方法，其特征在于，所述
浸润性概率模型为：p＝ex/(1+ex)，
x＝-0.4982+(0.36225*A)–(1.9591*B)+(0.9161*C)+(1.1988*D)+(0.0041*E)
+(1.8230*F)，
其中，p为浸润性病灶概率，e为自然指数，A表示肺部CT影像特征的
肺部结节直径，B表示肺部CT影像特征的肺部结节形状类型，C表示肺部
CT影像特征的肺部结节边缘类型，D表示肺部CT影像特征的胸膜状态，E
表示肺部CT影像特征的平均CT值，F表示吸烟史状态。
5.如权利要求4所述的获取浸润性病灶概率的方法，其特征在于，当患
者的吸烟史状态为有...

【专利技术属性】
技术研发人员：佘云浪，陈昶，赵力澜，胥月，
申请(专利权)人：上海市肺科医院，
类型：发明
国别省市：上海;31