人工智能医学影像的肿瘤恶性风险分层辅助诊断系统技术方案

本发明专利技术公开了一种人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，包括：数据采集模块、数据预处理模块、模型建立模块、模型验证与优化模块、分层诊断模块及数据库平台。本发明专利技术的肿瘤恶性风险分层辅助诊断系统基于人工智能技术，可实现对肿瘤的恶性风险进行逐次分层，模拟临床诊断思路，以人工智能模型的高精度的良性病变检出和恶性肿瘤检出能力，对影像特征明确的占位性病变进行自动诊断，从而能够实质性辅助占位性病变临床管理决策，改进临床诊断现有工作流程，增加医师诊断信心，减轻工作压力，也减少低恶性风险病变患者的焦虑，大大提高了良性病变及恶性肿瘤的确诊率，有望实现人工智能临床辅助诊断的落地实施。

【技术实现步骤摘要】
人工智能医学影像的肿瘤恶性风险分层辅助诊断系统
本专利技术涉及一种肿瘤恶性风险分层辅助诊断系统和方法，具体涉及一种人工智能医学影像的肿瘤恶性风险分层辅助诊断系统和方法；属于医学影像人工智能辅助诊断

技术介绍
肿瘤是指机体在各种致瘤因子作用下，局部组织细胞增生所形成的新生物。大部分良性病灶在无占位效应时无需手术干预。恶性肿瘤早期手术干预预后多良好，而晚期无论是手术干预还是放化疗普遍预后较差。目前，全球医疗机构都在不断投入巨资研究肿瘤的发生、发展和治疗，在现阶段，医生在进行肿瘤诊断过程中大多依靠其自身的经验和所掌握的知识、以及参考现有医学的医学指南进行诊断和治疗，具有诊断信心不足、效率较低和工作繁琐等问题。以肺癌为例，肺癌每年造成全球约137万人死亡，占所有癌症死亡人数的18%，是全球发病率及死亡率最高的恶性肿瘤。随着CT技术的发展，肺结节的检出率迅速提高，这不仅使得影像医师的诊断工作量急剧上升，也给肺结节的临床决策及管理工作带来了巨大的挑战。为了辅助影像医师占位性病变临床诊断工作，提高工作效率和降低工作强度，近年来出现了一些人工智能辅助占位性病变良恶性诊断的探索。申请号为20本文档来自技高网...

【技术保护点】
1.人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，包括：数据采集模块：用于采集现有数据，包括影像图像、临床信息、基因信息和病理良恶性标签，对数据完整性及数据质量进行验证评估后，进行数据脱敏处理并发送至数据预处理模块；数据预处理模块：对采集到的现有数据进行降噪和数据归一化处理，寻找与病理结果对应的病变并对图像进行病变标注和分割；模型建立模块：基于数据预处理模块得到的病变，对感兴趣区域进行特征提取和特征选择，筛选出低冗余高相关的特征，建立肿瘤恶性风险分层模型，并针对不同应用场景，选择高敏感性良性病变检出模型和高特异性恶性病变检出模型的模型参数及阈值：对于临床筛查应用场景，选择高敏感性...

【技术特征摘要】
1.人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，包括：数据采集模块：用于采集现有数据，包括影像图像、临床信息、基因信息和病理良恶性标签，对数据完整性及数据质量进行验证评估后，进行数据脱敏处理并发送至数据预处理模块；数据预处理模块：对采集到的现有数据进行降噪和数据归一化处理，寻找与病理结果对应的病变并对图像进行病变标注和分割；模型建立模块：基于数据预处理模块得到的病变，对感兴趣区域进行特征提取和特征选择，筛选出低冗余高相关的特征，建立肿瘤恶性风险分层模型，并针对不同应用场景，选择高敏感性良性病变检出模型和高特异性恶性病变检出模型的模型参数及阈值：对于临床筛查应用场景，选择高敏感性的良性病变检出阈值，使阴性预测值/真良性率>99%；针对恶性病变明确诊断场景，选择高特异性的恶性病变检出阈值，使阳性预测值/真恶性率>99%，分层出极高风险病变；模型验证与优化模块：用于评价模型在不同参数、不同场景下的有效性、泛化性和鲁棒性，并采用奖惩机制对模型性能进行迭代，在保证高敏感性和高特异性的前提下，逐步修改模型参数，提高诊断能力和准确性；分层诊断模块：对检测样本进行诊断，将肿瘤分层为极低风险病变、极高风险病变及风险不确定病变，反馈给医生的终端设备和数据库平台；数据库平台：与上述各模块连接，用于模型建立数据存储和调取，并不断收集新增数据，提供模型在线更新功能。2.根据权利要求1所述的人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，所述现有数据的来源包括：公开数据集及各级医院的病例数据。3.根据权利要求1所述的人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，采集肺结节数据时，现有数据的采集标准为：纳入的所有结节均为大小小于3cm的原发结节，良性标签取自手术病理，恶性标签为手术、穿刺或支气管镜活检等手段取得，影像图像为无明显伪影的胸部CT平扫。4.根据权利要求2所述的人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，所述脱敏处理包括隐去患者隐私信息和医疗机构信息。5.根据权利要求1所述的人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，所述数据预处理模块中，通过医师寻找与病理结果对应的病变，然后利用经医师修改确认的自动分割方法或医生采用手工分割方法，对病变进行轮廓分割和局部方块分割。6.根据权利要求1所述的人工智能医学影像的肿瘤恶性风险分层辅助诊断系统，其特征在于，所述奖惩机制为：在训练集中，先构建分类模型，标记良性及恶性标签；对人工智能识别错误图像，以三位或以上医学专家的综合意见指导，对于医生明确诊断不应出错的图像对先前模型施加惩罚因子；对人工智能识别准确的图像，在模型改进中施加奖励因子；结合奖...

【专利技术属性】
技术研发人员：卢光明，吕文晖，张其锐，周长圣，许强，张龙江，李新宇，黄楚熙，
申请(专利权)人：中国人民解放军南京军区南京总医院，
类型：发明
国别省市：江苏,32