一种通过深度学习获取肺部病灶恶性概率的系统和方法技术方案

本发明专利技术公开了一种通过深度学习获取肺部病灶恶性概率的系统和方法，包括：集单元以及云端服务器，所述采集单元用于采集待诊患者的待诊信息，并将所述待诊新远程发送至所述云端服务器；所述云端服务器采用所述病灶识别模型，根据所述待诊信息识别得到所述待诊患者的肺部病灶的恶性概率以及浸润程度，所述云端服务器将所述恶性概率和所述浸润程度作为识别结果输出给医生查看，以供医生参考；所述云端服务器获取所述医生根据所述识别结果反馈的确认信息，并将所述确认信息反馈至所述病灶识别模型中，以对所述病灶识别模型进行优化。使用本发明专利技术所述一种通过深度学习获取肺部病灶恶性概率的系统和方法为医生在诊断患者时提供了新的参照体系，提高了确诊的正确率。

A System and Method for Obtaining the Malignant Probability of Lung Focus by Deep Learning

The invention discloses a system and method for obtaining malignant probability of pulmonary lesions through in-depth learning, including a collection unit and a cloud-end server. The collection unit is used to collect the waiting information of patients to be diagnosed and send the new waiting information to the cloud-end server remotely. The cloud-end server uses the lesion recognition model to identify the patient according to the waiting information. The malignant probability and infiltration degree of lung lesions of patients to be diagnosed are described. The cloud-end server outputs the malignant probability and infiltration degree as recognition results to doctors for reference. The cloud-end server obtains the confirmation information from doctors according to the recognition results and feeds the confirmation information back to the lesion recognition model for reference. The lesion recognition model is optimized. The system and method of obtaining malignant probability of pulmonary lesions through in-depth learning provided a new reference system for doctors in diagnosing patients, and improved the correct rate of diagnosis.

【技术实现步骤摘要】
一种通过深度学习获取肺部病灶恶性概率的系统和方法
本专利技术涉及数据处理
，尤其涉及一种通过深度学习获取肺部病灶恶性概率的系统和方法。
技术介绍
在目前对肺部病灶的诊断治疗中，肺部肿块与良性病灶的鉴别是临床工作的一大难题；因为缺乏良性大病灶的CT图像，现有的研究对此部分研究仍为空白。患者的临床特征在鉴别肺部病灶的良恶性中具有预测意义，但现有病灶分析方法因为图像处理无法获取病人的临床特征，尤其是接受了治疗的或者检查的病人特征，仍局限于卷积神经网络对于肺部结节的检测，只通过影像特征判断结节良恶性，准确性较差。另一方面，即使是病灶诊断结果为恶性，其浸润程度的不同也决定了不同的治疗策略，因此，在判断病灶恶性程度的基础上，确定其浸润程度也有极大的重要性。
技术实现思路
根据现有技术中存在的问题，现提供一种通过深度学习获取肺部病灶恶性概率的系统和方法，填补目前存在的技术空白。本专利技术所解决的技术问题可通过采取以下技术方案来实现：一种通过深度学习获取肺部病灶恶性概率的系统，包括：采集单元以及云端服务器，所述采集单元远程连接所述云端服务器；所述采集单元用于采集待诊患者的待诊信息，并将所述待诊信息本文档来自技高网...

【技术保护点】
1.一种通过深度学习获取肺部病灶恶性概率的系统，其特征在于，包括：采集单元以及云端服务器，所述采集单元远程连接所述云端服务器；所述采集单元用于采集待诊患者的待诊信息，并将所述待诊信息远程发送至所述云端服务器；于所述云端服务器内预先训练形成一病灶识别模型，所述云端服务器采用所述病灶识别模型，根据所述待诊信息识别得到所述待诊患者的肺部病灶的恶性概率以及浸润程度，所述云端服务器将所述恶性概率和所述浸润程度作为识别结果输出给医生查看，以供医生参考；所述云端服务器通过预先准备的训练数据，采用深度学习算法预先训练形成所述病灶识别模型，所述训练数据的数据构成与所述待诊信息的数据构成相同。

【技术特征摘要】
1.一种通过深度学习获取肺部病灶恶性概率的系统，其特征在于，包括：采集单元以及云端服务器，所述采集单元远程连接所述云端服务器；所述采集单元用于采集待诊患者的待诊信息，并将所述待诊信息远程发送至所述云端服务器；于所述云端服务器内预先训练形成一病灶识别模型，所述云端服务器采用所述病灶识别模型，根据所述待诊信息识别得到所述待诊患者的肺部病灶的恶性概率以及浸润程度，所述云端服务器将所述恶性概率和所述浸润程度作为识别结果输出给医生查看，以供医生参考；所述云端服务器通过预先准备的训练数据，采用深度学习算法预先训练形成所述病灶识别模型，所述训练数据的数据构成与所述待诊信息的数据构成相同。2.根据权利要求1所述的系统，其特征在于，所述待诊信息包括所述待诊患者的临床检查数据，以及所述待诊患者的实验室检查指标数据。3.根据权利要求1所述的系统，其特征在于，所述云端服务器中包括：排序模块，对所述云端服务器中的所述识别结果进行排序；输出模块，用于输出进行一次排序后的所述识别结果，以供所述医生进行参考。4.根据权利要求1所述的系统，其特征在于，所述云端服务器还包括：获取模块，用于获取所述医生根据所述识别结果反馈的确认信息；所述云端服务器还用于将所述确认信息反馈至所述病灶识别模型中，以对所述病灶识别模型进行优化。5.一种通过深度学...

【专利技术属性】
技术研发人员：佘云浪，陈昶，谢冬，戴晨阳，任怡久，苏杭，
申请(专利权)人：上海市肺科医院，
类型：发明
国别省市：上海,31