一种肺癌化疗生存期的预测方法、系统、设备及介质技术方案

本申请公开了一种肺癌化疗生存期的预测方法、系统、设备及介质。该方法通过获取患者在进行化疗前预定时间段内的肺部CT影像数据和所述患者进行化疗时的化疗基础数据；所述化疗基础数据包括所述患者的病理类型数据、肺癌分期数据和治疗方案数据；提取所述肺部CT影像数据的第一特征数据，提取所述化疗基础数据的第二特征数据；对所述第一特征数据和所述第二特征数据进行特征融合，得到目标特征数据；将所述目标特征数据输入到生存期预测模型，得到所述生存期预测模型输出的生存期预测结果。该方法可以得出较为准确的肺癌化疗生存期预测结果，方便使用，利于推广，且无需增加患者及医疗机构的负担。本申请可广泛应用于人工智能技术领域内。领域内。领域内。

【技术实现步骤摘要】
一种肺癌化疗生存期的预测方法、系统、设备及介质


[0001]本申请涉及人工智能
，尤其是一种肺癌化疗生存期的预测方法、系统、设备及介质。

技术介绍

[0002]肺癌是全球发病率及死亡率最高的恶性肿瘤，大部分肺癌患者确诊时已为晚期，化疗是最主要的也是目前标准的治疗模式，根据相关材料记录，小细胞肺癌经治患者的中位生存期(OS)为7至12个月，非小细胞肺癌经治患者中位生存期为8至10个月。然而，患者之间由于个体化差异，实际的生存期差异巨大，如何更准确地预测肺癌患者经过化疗后的生存期是医生和患者都关心的重要问题。
[0003]相关技术中，有使用机器学习的模型来诊断患者状态的案例，例如根据相关的图例判断病人的状况，但是这种判断方式比较单一，在用于预测患者的生存期时，得到的预测结果可靠性不高，很容易出现误判断。综合上述，相关技术中存在的技术问题亟需得到解决。

技术实现思路

[0004]本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
[0005]为此，本申请实施例的一个目的在于提供一种肺癌化疗生存期的预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺癌化疗生存期的预测方法，其特征在于，包括以下步骤：获取患者在进行化疗前预定时间段内的肺部CT影像数据和所述患者进行化疗时的化疗基础数据；所述化疗基础数据包括所述患者的病理类型数据、肺癌分期数据和治疗方案数据；提取所述肺部CT影像数据的第一特征数据，提取所述化疗基础数据的第二特征数据；对所述第一特征数据和所述第二特征数据进行特征融合，得到目标特征数据；将所述目标特征数据输入到生存期预测模型，得到所述生存期预测模型输出的生存期预测结果。2.根据权利要求1所述的肺癌化疗生存期的预测方法，其特征在于，所述获取患者在进行化疗前预定时间段内的肺部CT影像数据，包括：采集所述患者在进行化疗前预定时间段内的肺部CT影像；调整所述肺部CT影像的分辨率为目标分辨率，采集所述肺部CT影像的像素数据得到所述肺部CT影像数据。3.根据权利要求2所述的肺癌化疗生存期的预测方法，其特征在于，所述方法还包括：获取采集所述肺部CT影像的CT设备型号信息；根据所述CT设备型号信息，对所述肺部CT影像数据进行补充修正。4.根据权利要求1所述的肺癌化疗生存期的预测方法，其特征在于，获取所述患者进行化疗时的化疗基础数据，包括：获取所述患者的病理类型信息、肺癌分期信息和治疗方案信息；对所述病理类型信息、肺癌分期信息和治疗方案信息进行独热编码，得到病理类型数据、肺癌分期数据和治疗方案数据。5.根据权利要求1所述的肺癌化疗生存期的预测方法，其特征在于，所述生存期预测模型通过以下步骤训练得到：获取批量的样本数据，所述样本数据中包括样本患者的肺部CT影像样本数据和所述样本患者进行化疗时的化疗基础样本数据；所述化疗基础样本数据包括所述样本患者的病理类型数据、肺癌分期数据和治疗方案数据；所述样本数据携带有所述样本患者的生存期标签；提取所述肺部CT影像样本数据的第三特征数据，提取所述化疗基础样本数据的第四特征数据；将所述第三特征数据和...

【专利技术属性】
技术研发人员：任勇，韩蓝青，
申请(专利权)人：清华珠三角研究院，
类型：发明
国别省市：