基于大数据的非小细胞肺癌评估方法、装置和电子设备制造方法及图纸

本发明专利技术公开了一种基于大数据的非小细胞肺癌评估方法、装置和电子设备，所述方法包括：获得癌症患者的特征数据；对所述特征数据进行预处理；对所述预处理后的数据进行分析，得到分析结果；根据所述分析结果，生成评估结果。这种方法能够对癌症患者的图像和相关数据进行处理分析，从而给出癌症评估结果。

Evaluation methods, devices and electronic devices of NSCLC based on big data

【技术实现步骤摘要】
基于大数据的非小细胞肺癌评估方法、装置和电子设备
本专利技术涉及癌症评估，特别是指一种基于大数据的非小细胞肺癌评估方法和装置。
技术介绍
非小细胞肺癌(NSCLC)是一种高危癌症，通常由PET-T进行扫描检测、预测、然后给出治疗方法。在实际的医院系统中，必须通过PET-CT扫描为每个患者生成至少640个图像。以人工方式选择所有图像对于医生而言可能是低效的，并且医生只会采用这些图像中的某一些图像进行诊断，从而导致医疗系统的资源浪费，但人造系统可以图像和参数进行处理，从而给出评估结果。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种能够根据对扫描图像和肿瘤标志物浓度的分析处理得到癌症评估结果的方法和装置。基于上述目的，本专利技术提供了一种基于大数据的非小细胞肺癌评估方法，包括：获得癌症患者的特征数据；对所述特征数据进行预处理；对所述预处理后的数据进行分析，得到分析结果；根据所述分析结果，生成评估结果。在一些实施方式中，所述癌症患者的特征数据包括病变区域PET扫描图像、肿瘤标志物的浓度、CT扫描图像和非小细胞肺癌细胞抗原浓度；所述肿瘤标志物有至少一种。在一些实施方式中，所述对所述预处理后的数据进行分析包括：获得所述病变区域PET扫描图像；识别所述PET扫描图像中的病变区域，计算所述病变区域的面积；所述病变区域有至少一处；获得所述病变区域的面积之和SNSCLC；计算所述病变区域中的集中病变区域的面积对所述和所述SNSCLC求比值，得到集中区域相关度D(r)；为所述集中病变区域的等效半径，i为等距扫描次数。在一些实施方式中，所述对所述预处理后的数据进行分析还包括：获得所述肿瘤标志物的浓度；根据所述肿瘤标志物浓度获得高相关性参数RH(t)；i为肿瘤标志物种类，Ri(t)为i的浓度，为年龄y的肿瘤标志物i的平均浓度，αi为权重，根据所述PTE扫描图像、CT扫描图像和非小细胞肺癌细胞抗原浓度获得低相关性参数RL(t)；j为所述低相关性参数的项目，βj为每个项目的影响因数，0＜βj＜1；t为评估时间；根据所述高相关性参数和所述低相关性参数得到浓度相关度D(t)；D(t)＝α×RH(t)+β×RL(t)；其中，α是所述高相关性参数的影响因数，β为所述低相关性系数的影响因数。在一些实施方式中，所述根据所述分析结果，生成评估结果包括：在评估时间t分配所述高相关性参数的权重，得到权重函数w(t)；根据所述浓度相关度判定值获得多种治疗方法组合的联合概率分布Pw；根据所述联合概率分布Pw和所述w(t)获得预计效果函数在评估时间t+N分配所述高相关性参数的权重，得到权重函数w(t+N)；将所述w(t+N)代入所述得到若w(t)＞w(t+N)存在，且则在时间t能够进行诊断并选择所述w(t)为最佳权重函数。本专利技术还提供了一种基于大数据的非小细胞肺癌评估装置，包括：数据获取模块，用于获得癌症患者的特征数据；数据预处理模块，用于对所述特征数据进行预处理；数据分析模块，用于对所述预处理后的数据进行分析，得到结果；评估结果生成模块，用于根据所述分析结果，生成评估结果。在一些实施方式中，所述数据分析模块包括：图像获取模块，用于获得所述病变区域PET扫描图像；面积计算模块，用于从识别所述PET扫描图像中的病变区域，计算所述病变区域的面积；获得所述病变区域的面积之和SNSCLC；面积分析模块，用于计算所述病变区域中的集中病变区域的面积对所述和所述SNSCLC求比值，得到集中区域相关度D(r)；为所述集中病变区域的等效半径，i为等距扫描次数。在一些实施方式中，所述数据分析模块还包括：浓度获取模块，用于获得所述肿瘤标志物的浓度；参数计算模块，用于根据所述肿瘤标志物浓度获得高相关性参数RH(t)；i为肿瘤标志物种类，Ri(t)为i的浓度，为年龄为y的人群肿瘤标志物i的平均浓度，αi为权重，根据所述PTE扫描图像、CT扫描图像和非小细胞肺癌细胞抗原浓度获得低相关性参数RL(t)；j为所述低相关性参数的项目，βj为每个项目的影响因子，0＜βj＜1；t为评估时间；根据所述高相关性参数和所述低相关性参数得到浓度相关度D(t)；D(t)＝α×RH(t)+β×RL(t)；其中，α是所述高相关性参数的影响系数，β为所述低相关性系数的影响因数。在一些实施方式中，所述评估结果生成模块还包括：权重分配模块，用于在评估时间t分配所述高相关性参数的权重，得到权重函数w(t)；在评估时间t+N分配所述高相关性参数的权重，得到权重函数w(t+N)；概率分布计算模块，用于根据所述浓度相关度判定值获得多种治疗方法组合的联合概率分布Pw；评估结果获取模块，根据所述联合概率分布Pw和所述w(t)获得预计效果函数将所述w(t+N)代入所述得到权重参数确定模块，若w(t)>w(t+N)存在，且则在时间t能够进行诊断并选择w(t)为最佳权重函数。本专利技术还提供了一种基于大数据的肺小细胞癌评估方法的电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述基于大数据的非小细胞肺癌评估方法。从上面所述可以看出，本专利技术提供的一种基于大数据的非小细胞肺癌评估方法，包括：获得癌症患者的特征数据；所述特征数据包括扫描图像、肿瘤标志物浓度等；进而对所述特征数据进行预处理，将所述特征数据处理为计算力能够理解的语言；对所述预处理后的数据进行分析，得到分析结果，所述分析结果具体是一些用于评估的参数；根据所述分析结果，生成评估结果，对所述分析过程中计算出的一些用于评估的参数进行进一步的分析计算，生成医生能够参考的评估结果。本专利技术还提供了基于大数据的非小细胞肺癌评估装置和电子设备。本专利技术的方法、装置和电子设备能够对癌症患者的图像和相关数据进行处理分析，从而给出癌症评估结果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于大数据的非小细胞肺癌评估方法的流程示意图；图2为本专利技术实施例提供的一种肿瘤标志物最大区域扫描图；图3a为本专利技术实施例对肿瘤标志物的二维图形进行计算的过程示意图；图3b为本专利技术实施例提供的一种计算集中区域面积的分析数据图；图4为近5年来三家医院患者的CYFRA-21-1平均数据柱状图；图5为近5年来三家医院患者的CEA平均数据柱状图；图6为近5年来三家医院患者的CA-125平均数据柱状图；图7为大数据显示的高相关性参数和癌症阶段的关系示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。需要说明的是，本专利技术实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本专利技术实施例的限定，后续实施例对此不再一一说明。本专利技术实施例提供了一种基于大数据的非小细胞肺癌评估方法，如图1所示，为本专利技术实施例提供的一种基于大数据的非小细胞肺癌评估方法的流程示意图本文档来自技高网...

【技术保护点】
1.一种基于大数据的非小细胞肺癌评估方法，其特征在于，包括：获得癌症患者的特征数据；对所述特征数据进行预处理；对所述预处理后的数据进行分析，得到分析结果；根据所述分析结果，生成评估结果。

【技术特征摘要】
1.一种基于大数据的非小细胞肺癌评估方法，其特征在于，包括：获得癌症患者的特征数据；对所述特征数据进行预处理；对所述预处理后的数据进行分析，得到分析结果；根据所述分析结果，生成评估结果。2.根据权利要求1所述的基于大数据的非小细胞肺癌评估方法，其特征在于，所述癌症患者的特征数据包括病变区域PET扫描图像、肿瘤标志物的浓度、CT扫描图像和非小细胞肺癌细胞抗原浓度；所述肿瘤标志物有至少一种。3.根据权利要求1所述的基于大数据的非小细胞肺癌评估方法，其特征在于，所述对所述预处理后的数据进行分析包括：获得所述病变区域PET扫描图像；识别所述PET扫描图像中的病变区域，计算所述病变区域的面积；所述病变区域有至少一处；获得所述病变区域的面积之和SNSCLC；计算所述病变区域中的集中病变区域的面积对所述和所述SNSCLC求比值，得到集中区域相关度D(r)；为所述集中病变区域的等效半径，i为等距扫描次数。4.根据权利要求2所述的基于大数据的非小细胞肺癌评估方法，其特征在于，所述对所述预处理后的数据进行分析还包括：获得所述肿瘤标志物的浓度；根据所述肿瘤标志物浓度获得高相关性参数RH(t)；i为肿瘤标志物种类，Ri(t)为i的浓度，为年龄y的肿瘤标志物i的平均浓度，αi为权重，根据所述PTE扫描图像、CT扫描图像和非小细胞肺癌细胞抗原浓度获得低相关性参数RL(t)；j为所述低相关性参数的项目，βj为每个项目的影响因数，0<βj<1；t为评估时间；根据所述高相关性参数和所述低相关性参数得到浓度相关度D(t)；D(t)＝α×RH(t)+β×RL(t)；其中，α是所述高相关性参数的影响因数，β为所述低相关性系数的影响因数。5.根据权利要求1所述的基于大数据的非小细胞肺癌评估方法，其特征在于，所述根据所述分析结果，生成评估结果包括：在评估时间t分配所述高相关性参数的权重，得到权重函数w(t)；根据所述浓度相关度判定值获得多种治疗方法组合的联合概率分布Pw；根据所述联合概率分布Pw和所述w(t)获得预计效果函数在评估时间t+N分配所述高相关性参数的权重，得到权重函数w(t+N)；将所述w(t+N)代入所述得到若w(t)>w(t+N)存在，且则在时间t能够进行诊断并选择所述w(t)为最佳权重函数。6.一种基于大数据的非小细胞肺癌评估装置，包括：数据获取模块...

【专利技术属性】
技术研发人员：吴嘉，尹胜，谭延林，田晓明，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43