一种肺结节性质判定方法技术

本发明专利技术涉及一种肺结节性质判定方法，S1获取多位病人的病理特征数据，分别提取影像结构化数据和基因甲基化数据的特征；S2对病理特征数据进行数据清洗得到小规模数据集；S3将小规模数据集中的每个样本进行特征选择得到最佳小规模数据集；将最佳小规模数据集中所有最佳样本分割为训练集和测试集；S4选择现有M种分类方法，使用训练集中分别对M种分类方法进行训练得到M种最佳分类方法；S5将测试集输入M种最佳分类方法中选择最终分类方法，S6对于一个待预测病人的病理特征数据处理后输入最终分类方法中，输出该待预测病人肺结节属于良性和恶性。该方法能用于本领域专家能够对肺结节良恶性进行辅助诊断参考性，而且实时性较高。而且实时性较高。而且实时性较高。

【技术实现步骤摘要】
一种肺结节性质判定方法


[0001]本专利技术涉及医疗数据分析
，尤其涉及一种肺结节性质判定方法。

技术介绍

[0002]目前许多肺结节临床中，大部分需要医生诊断肺部的结节是否为恶行结节，如果是则需要及时治疗切除；同时医生在诊断前需要进行CT影像观察，或者其他检验(如做基因甲基化)这样的数据用一次下次就不会再利用，会造成数据不充分利用或者存储起来形成数据孤岛。
[0003]目前机器学习来辅助医生进行肺结节性质判定的方法主要有以下两种：
[0004]通过CT影像结合深度学习方法进行检测和识别其结果，该方案缺点：a、依赖大量的图片数据，需要训练相关模型，算法选择和调参难度大，整体工作量比较大；b、图像领域良恶性的机理只基于图像的灰度去识别结节性质，这样对图像的质量提出挑战；c、部署深度学习模型要求的平台性能比较高，价格昂贵。
[0005]基于特性的专家系统，通过观察影像学(如形状，大小，厚度，结节是否有积液等特征)的特征并结合单一的算法，例如逻辑回归(目前多数专利采用改方法)进行判断；该方案的缺点：a、在医学上通过这样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺结节性质判定方法，其特征在于：包括如下步骤：S1：获取多位病人的病理特征数据，所述病例特征数据包括影像结构化数据和基因甲基化数据，分别提取影像结构化数据和基因甲基化数据的特征；S2：对S1获取的多位病人的病理特征数据进行数据清洗得到小规模数据集，所述小规模数据集满足数据分析的最低要求，将小规模数据集中一个病人的病理特征数据定义为一个样本；S3：将S2得到的小规模数据集中的每个样本进行特征选择得到最佳样本特征，经过特征选择后的所有样本构成最佳小规模数据集；将最佳小规模数据集中所有最佳样本分割为训练集和测试集；S4：选择现有M种分类方法，使用训练集中的训练样本分别对M种分类方法进行训练对应的得到M种最佳分类方法；S5：将测试集中的所有测试样本输入分别S4得到的M种最佳分类方法中，选择最终分类方法；S6：对于一个待预测病人的病理特征数据，采用S1
‑
S3的方法得到该待预测病人对于的待预测样本，将该待预测样本输入S5选择的最终分类方法中，输出该待预测病人肺结节属于良性或恶性。2.如权利要求1所述的肺结节性质判定方法，其特...

【专利技术属性】
技术研发人员：宋永端，周勇城，谈世磊，黄帆，张洪田，杨肖，陈星羿，吴将娱，廖昕怡，
申请(专利权)人：星际重庆智能装备技术研究院有限公司迪比重庆智能科技研究院有限公司，
类型：发明
国别省市：