一种基于血常规、血生化指标的恶性肿瘤筛查系统技术方案

本发明专利技术公开一种基于血常规、血生化指标的恶性肿瘤筛查系统，属于医疗数据处理领域，包括数据获取模块，其用于识别血常规、血生化化验单图片中血液学指标、年龄和性别；筛查预测模块，其用于基于恶性肿瘤筛查模型，预测出待筛查者健康程度及恶性肿瘤患病预测值；其中，恶性肿瘤筛查模型的训练过程为：构建大规模人群样本集合，样本分为3类，分别为健康人群、非恶性肿瘤住院病人和恶性肿瘤病人，其中非恶性肿瘤住院病人样本和恶性肿瘤病人样本中包含多种疾病；利用人群样本集合训练机器学习算法模型，得到恶性肿瘤筛查模型。本发明专利技术利用常见的血常规和血生化指标进行健康评估及恶性肿瘤筛查，创新了肿瘤筛查的方式。创新了肿瘤筛查的方式。创新了肿瘤筛查的方式。

【技术实现步骤摘要】
一种基于血常规、血生化指标的恶性肿瘤筛查系统


[0001]本专利技术属于医疗数据处理领域，一种基于血常规、血生化指标的恶性肿瘤筛查系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]在医学上，恶性肿瘤有多种称法。癌是指起源于上皮组织的恶性肿瘤，是恶性肿瘤中最常见的一类。相对应的，起源于间叶组织的恶性肿瘤统称为肉瘤。有少数恶性肿瘤不按上述原则命名，如肾母细胞瘤、恶性畸胎瘤等。一般人们所说的“癌症”习惯上泛指所有恶性肿瘤。恶性肿瘤具有细胞分化和增殖异常、生长失去控制、浸润性和转移性等生物学特征，其发生是一个多因子、多步骤的复杂过程。
[0004]既往针对恶性肿瘤的诊断主要是依靠病理的形态学观察和临床的影像学检测，即依据肿瘤的形态学来诊断，而随着各项生物技术的进步，如基因检测、蛋白质组学等很多技术手段应用于癌症的辅助诊断，使癌症的诊断更加趋向于功能学诊断。血常规、血生化检测在诊断及体检中经常进行，如果能够利用血常规、血生化检测指标来筛查恶性肿瘤，对于恶性肿瘤的筛查具有很高的实际应用价值。

技术实现思路

[0005]为了解决上述问题，本专利技术提供一种基于血常规、血生化指标的恶性肿瘤筛查系统，利用血常规、血生化检测指标来初步筛查恶性肿瘤。
[0006]为了实现上述目的，本专利技术采用如下技术方案：本专利技术提供一种基于血常规、血生化指标的恶性肿瘤筛查系统，包括：数据获取模块，其用于获取血常规化验单、血生化化验单图片，识别血常规化验单和血生化化验单图片中血液学指标、年龄和性别；筛查预测模块，其用于基于恶性肿瘤筛查模型，预测出相应待筛查者健康程度及恶性肿瘤患病预测值，并对异常值进行提示。
[0007]其中，恶性肿瘤筛查模型的训练过程为：构建大规模人群样本集合，样本分为3类，分别是健康人群样本、非恶性肿瘤住院病人样本和恶性肿瘤病人样本，其中非恶性肿瘤住院病人样本和恶性肿瘤病人样本中包含多种疾病类型；利用人群样本集合训练机器学习算法模型，得到恶性肿瘤筛查模型。
附图说明
[0008]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，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，本专利技术的示意性实施例及其说明
用于解释本专利技术，并不构成对本专利技术的不当限定。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性的前提下，还可以根据这些附图获得其他的附图。
[0009]图1是本专利技术实施例的目标人群血液系统恶性肿瘤筛查系统结构示意图。
具体实施方式
[0010]下面结合附图与实施例对本专利技术作进一步说明。
[0011]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0012]图1给出了本实施例的一种基于血常规、血生化指标的恶性肿瘤筛查系统，其包括： (1) 数据获取模块，其用于获取血常规化验单、血生化化验单图片，识别血常规化验单和血生化化验单图片中血液学指标、年龄和性别。
[0013]其中血常规指标包括白细胞计数(WBC)，红细胞计数(RBC)，血红蛋白(Hb)，红细胞比容(Hct)，平均红细胞体积(MCV)，平均红细胞血红蛋白含量(MCH)，平均红细胞血红蛋白浓度(MCHC)，血小板计数(PLT)，淋巴细胞百分比(Lymph%)，单核细胞百分比(Mono%)，中性粒细胞百分比(Neut%)，嗜酸性粒细胞百分比(Eos%)，嗜碱性粒细胞百分比(Baso%)，淋巴细胞计数(Lymph)，单核细胞计数(Mono)，中性粒细胞计数(Neut)，嗜酸性粒细胞计数(Eos)，嗜碱性粒细胞计数(Baso)，红细胞体积分布宽度CV(RDW
‑
CV)，红细胞体积分布宽度SD(RDW
‑
SD)，血小板分布宽度(PDW)，平均血小板体积(MPV)，大血小板百分比(P
‑
LCR%)，血小板比容(PCT)。
[0014]其中血生化指标包括谷草转氨酶（AST），谷丙转氨酶（ALT），谷草转氨酶/谷丙转氨酶（S/L），谷氨酰转肽酶（GGT），碱性磷酸酶（ALP），总蛋白（TP），白蛋白（ALB），球蛋白（GLO），白蛋白/球蛋白(A/G)，总胆红素（TBIL），直接胆红素（DBIL），间接胆红素（IBIL），总胆固醇（CHOL），高密度脂蛋白（HDL
‑
C），低密度脂蛋白（LDL/C），甘油三酯（TG），葡萄糖（GLU），尿素氮（BUN），肌酐（CREA），尿素氮/肌酐（BUN/CREA），尿酸（URIC）。
[0015]利用图像采集装置采集血常规化验单、血生化化验单图片，将血常规化验单、血生化化验单图片上传到服务器；服务器会自动识别血常规指标、血生化指标以及年龄与性别。
[0016]具体地，识别血常规化验单图片中血常规检测指标、血生化检查指标、年龄和性别的方法可采用现有图像分割及语义识别方法来实现，此处不再累述。
[0017]（2）筛查预测模块，其用于基于恶性肿瘤筛查模型，预测出相应待筛查者健康程度及恶性肿瘤患病预测值，并对异常值进行提示。
[0018]步骤1：构建大规模人群样本集合，样本分为3类，分别是健康人群样本、非恶性肿瘤住院病人样本和恶性肿瘤病人样本，其中非恶性肿瘤住院病人样本和恶性肿瘤病人样本中包含多种疾病类型。
[0019]步骤2：利用人群样本集合训练机器学习算法模型，得到恶性肿瘤筛查模型。
[0020]其中，机器学习算法模型可以为预设的算法，比如：SVM、随机森林算法、LightGBM算法或XGBoost算法。
[0021]机器学习算法模型也可为经多个算法比较后筛选出的最优机器学习算法模型。并使用最优算法模型生成最优恶性肿瘤筛查模型，以最优恶性肿瘤筛查模型预测相应待筛查者的健康程度及恶性肿瘤患病预测值。
[0022]恶性肿瘤筛查模型计算特征的选取，可以利用血常规数据和血生化的部分指标或全部指标。
[0023]对于本领域的技术人员来说，本专利技术可以有各种更改和变化，凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于血常规、血生化指标的恶性肿瘤筛查系统，其特征在于，包括：数据获取模块，其用于获取血常规化验单、血生化化验单图片，识别血常规化验单和血生化化验单图片中血液学指标、年龄和性别；筛查预测模块，其用于基于恶性肿瘤筛查模型，预测出相应待筛查者健康程度及恶性肿瘤患病预测值；其中，恶性肿瘤筛查模型的训练过程为：构建大规模人群样本集合，样本分为3类，分别是健康人群样本、非恶性肿瘤住院病人样本和恶性肿瘤病人样本，其中非恶性肿瘤住院病人样本和恶性肿瘤病人样本中包含多种疾病类型；利用人群样本集合训练机器学习算法模型，得到恶性肿瘤筛查模型。2.如权利要求1所述的一种基于血常规、血生化指标的恶性肿瘤筛查系统，其特征在于，用于机器学习的训练数据可以利用血常规数据和血生化的部分指标或全部指标进行训练，只要满足筛查评价指标要求，就可以作为一个恶性肿瘤筛查模型。3.如权...

【专利技术属性】
技术研发人员：季凯，王正，
申请(专利权)人：王正，
类型：发明
国别省市：