基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统技术方案

基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统，包括医疗数据收集模块、医疗数据管理模块、肿瘤诊断模型更新模块和智能肿瘤分类模块，通过医疗数据收集模块收集的带有肿瘤疾病诊断标签的医疗数据构建各肿瘤疾病类型对应的肿瘤诊断模型，从而实现各肿瘤疾病类型的高效、精确的诊断，对于肿瘤疾病的诊断和早期筛查具有重大意义。病的诊断和早期筛查具有重大意义。病的诊断和早期筛查具有重大意义。

A tumor fine classification system based on cloud computing and artificial intelligence and integrating multi-dimensional medical data

【技术实现步骤摘要】
基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统


[0001]本专利技术创造涉及医疗大数据领域，具体涉及一种基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统。

技术介绍

[0002]癌症是人类健康的重大威胁，癌症早期筛查与诊断是公认的降低癌症死亡率的有效方法。但是，不断恶化的癌症形势与专业人员的相对紧缺是当前癌症形势下所面临的一对尖锐矛盾。随着医疗技术的快速发展，医疗数据的种类和数量在不断丰富和增加，与肿瘤相关的影像数据、临床数据等医疗数据的不断积累为肿瘤的智能筛查与诊断提供了有力的材料。在众多医疗数据中影像数据最为常见，通常格式规范且易于获取，同时，影像在肿瘤的诊断过程中起着关键作用，包括早期诊断、疗效监测和预后评估都与医疗影像密不可分。通过对医学图像的图像特征进行提取从而获取医学图像的高维图像特征，并结合临床数据，借助计算机辅助技术来帮助医生更加全面准确地分析这些高维图像特征和临床数据，在临床诊断和治疗方面显得尤为重要。支持向量机是机器学习中十分重要的一个算法，由于其较好的性能在被应用于肿瘤分类中能够获得较好的分类结果，但其性能容易受到其参数的影响，因此，其参数优化问题成为使用支持向量机的关键问题。

技术实现思路

[0003]针对上述问题，本专利技术旨在提供一种基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统。
[0004]本专利技术创造的目的通过以下技术方案实现：
[0005]基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统，包括医疗数据收集模块、医疗数据管理模块、肿瘤诊断模型更新模块和智能肿瘤分类模块；
[0006]医疗数据收集模块用于收集带有肿瘤疾病诊断标签的医疗数据，并将收集的医疗数据输入医疗数据管理模块；
[0007]医疗数据管理模块包括医疗数据预存储单元和医疗数据更新检测单元，医疗数据预存储单元根据所述医疗数据带有的肿瘤疾病诊断标签将相同肿瘤疾病类型的医疗数据划分为一类进行存储，医疗数据更新检测单元用于对医疗数据预存储单元中存储的各肿瘤疾病类型对应的医疗数据进行检测，当一个肿瘤疾病类型对应的医疗数据的总数量达到给定的更新阈值时，则令医疗数据预存储单元将该肿瘤疾病类型对应的医疗数据输入肿瘤诊断模型更新模块；
[0008]肿瘤诊断模型更新模块包括医疗数据处理单元、各肿瘤疾病类型对应的医疗数据库和肿瘤诊断模型更新单元，医疗数据处理单元用于对接收到的医疗数据进行处理，将处理后的医疗数据作为医疗样本数据，并根据其对应的肿瘤疾病诊断标签输入对应的医疗数据库，医疗数据库将接收到的新的医疗样本数据进行存储，并在其先前存储的医疗样本数
据中随机选取和新接收到的医疗样本数据相同数量的医疗样本数据舍弃，从而实现医疗数据库中医疗样本数据的更新，肿瘤诊断模型更新单元用于实时对其对应的医疗数据库进行检测，当检测到其对应的医疗数据库中存在医疗样本数据的更新时，则调取其对应的医疗数据库中的医疗样本数据重新构建该肿瘤疾病类型对应的肿瘤诊断模型；
[0009]智能肿瘤分类模块用于对待诊断病患的医疗数据进行处理，并将处理后的待诊断病患的医疗数据和各肿瘤疾病类型对应的医疗数据库中存储的医疗样本数据进行相似检测，选取和待诊断病患的医疗数据最为相似的医疗数据库对应的肿瘤疾病类型为待诊断病患的肿瘤疾病检测类型，并将待诊断病患的医疗数据输入该肿瘤疾病类型对应的肿瘤诊断模型中，所述肿瘤诊断模型的输出值即为该病患的肿瘤疾病诊断结果。
[0010]进一步的，所述医疗数据包括病患的医学图像和临床医学数据。
[0011]进一步的，医疗数据处理单元用于对接收到的医疗数据进行处理，包括医学图像处理部分和医学数据处理部分，医学图像处理部分用于对接收到的医学图像进行目标分割和特征提取，从而构建所述医学图像对应的图像特征向量，医学数据处理部分用于对接收到的临床医学数据进行处理，去除所述临床医学数据中的噪声数据。
[0012]进一步的，肿瘤诊断模型更新单元调取其对应的医疗数据库中的医疗样本数据对支持向量机进行训练和测试，所述医疗样本数据作为支持向量机的输入值，医疗样本数据对应的肿瘤疾病诊断标签作为支持向量机的输出值，从而获得各肿瘤疾病类型对应的肿瘤诊断模型。
[0013]进一步的，肿瘤诊断模型更新单元通过调取的医疗样本数据对支持向量机进行训练时，采用萤火虫算法确定所述支持向量机的惩罚因子和核函数参数，在采用萤火虫算法对支持向量机的惩罚因子和核函数参数进行寻优的过程中，每只萤火虫采用轮盘赌法则选择向着比自身荧光亮度高的个体移动，并根据吸引力确定每只萤火虫的移动距离，在此基础上，设萤火虫i选择向着萤火虫j进行移动，最终实现第(t+1)次的迭代更新，具体的位置更新公式如下：
[0014][0015]在上式中，x
i
(t+1)表示萤火虫i在第(t+1)次迭代更新后的位置，x
i
(t)表示萤火虫i在第t次迭代更新后的位置，x
j
(t)表示萤火虫j在第t次迭代更新后的位置，β
ij
(t)表示在第t次迭代更新后萤火虫j对于萤火虫i的吸引度，α
ij
(t)表示在第t次迭代更新后萤火虫i向着萤火虫j进行随机移动的随机项系数，rand为服从正太分布的随机系数，且rand∈[0,1]。
[0016]进一步的，将在第t次迭代更新后萤火虫j对于萤火虫i的吸引度β
ij
(t)的值设置为：
[0017][0018]在上式中，表示在第t次迭代更新后萤火虫j对萤火虫i的原始吸引度，且的值为：其中，β0为r＝0时萤火虫的吸引度，即最大吸引度，γ为光吸收系数，表示萤火虫会随着距离的增加而逐渐减弱的特性，r
ij
(t)为在第t次迭代更新后萤火虫i和萤火虫j之间的笛卡尔距离，ρ
ij
(t)为在第t次迭代更新后萤火虫j对于萤火虫i
的吸引度的历史调节系数，且ρ
ij
(t)的值为：μ(t)表示迭代修正系数，且其中，T
max
为最大迭代次数，k
ij
(t)表示在第t次迭代更新后萤火虫i和萤火虫j之间的区域历史统计系数，k
ij
(t)的值为：其中，Ω
ij
(t)表示以位置x
i
(t)为中心、以r
ij
(t)为半径的球形区域，x
j
(τ)为萤火虫j在第τ次迭代更新后的位置，f(x
j
(τ),Ω
ij
(t))为用于位置x
j
(τ)和区域Ω
ij
(t)之间的区域判断函数，且M表示种群中的萤火虫数，t表示当前迭代次数。
[0019]进一步的，将在第t次迭代更新后萤火虫i向着萤火虫j进行随机移动的随机项系数α
ij
(t)的值设置为：
[0020]将种群中各萤火虫在进行第(t+1)次迭代更新时选取的作为移动方向的萤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统，其特征在于，包括医疗数据收集模块、医疗数据管理模块、肿瘤诊断模型更新模块和智能肿瘤分类模块；医疗数据收集模块用于收集带有肿瘤疾病诊断标签的医疗数据，并将收集的医疗数据输入医疗数据管理模块；医疗数据管理模块包括医疗数据预存储单元和医疗数据更新检测单元，医疗数据预存储单元根据所述医疗数据带有的肿瘤疾病诊断标签将相同肿瘤疾病类型的医疗数据划分为一类进行存储，医疗数据更新检测单元用于对医疗数据预存储单元中存储的各肿瘤疾病类型对应的医疗数据进行检测，当一个肿瘤疾病类型对应的医疗数据的总数量达到给定的更新阈值时，则令医疗数据预存储单元将该肿瘤疾病类型对应的医疗数据输入肿瘤诊断模型更新模块；肿瘤诊断模型更新模块包括医疗数据处理单元、各肿瘤疾病类型对应的医疗数据库和肿瘤诊断模型更新单元，医疗数据处理单元用于对接收到的医疗数据进行处理，将处理后的医疗数据作为医疗样本数据，并根据其对应的肿瘤疾病诊断标签输入对应的医疗数据库，医疗数据库将接收到的新的医疗样本数据进行存储，并在其先前存储的医疗样本数据中随机选取和新接收到的医疗样本数据相同数量的医疗样本数据舍弃，从而实现医疗数据库中医疗样本数据的更新，肿瘤诊断模型更新单元用于实时对其对应的医疗数据库进行检测，当检测到其对应的医疗数据库中存在医疗样本数据的更新时，则调取其对应的医疗数据库中的医疗样本数据重新构建该肿瘤疾病类型对应的肿瘤诊断模型；智能肿瘤分类模块用于对待诊断病患的医疗数据进行处理，并将处理后的待诊断病患的医疗数据和各肿瘤疾病类型对应的医疗数据库中存储的医疗样本数据进行相似检测，选取和待诊断病患的医疗数据最为相似的医疗数据库对应的肿瘤疾病类型为待诊断病患的肿瘤疾病检测类型，并将待诊断病患的医疗数据输入该肿瘤疾病类型对应的肿瘤诊断模型中，所述肿瘤诊断模型的输出值即为该病患的肿瘤疾病诊断结果。2.根据权利要求1所述的基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统，其特征在于，所述医疗数据包括病患的医学图像和临床医学数据。3.根据权利要求2所述的基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统，其特征在于，医疗数据处理单元用于对接收到的医疗数据进行处理，包括医学图像处理部分和医学数据处理部分，医学图像处理部分用于对接收到的医学图像进行目标分割和特征提取，从而构建所述医学图像对应的图像特征向量，医学数据处理部分用于对接收到的临床医学数据进行处理，去除所述临床医学数据中的噪声数据。4.根据权利要求1所述的基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统，其特征在于，肿瘤诊断模型更新单元调取其对应的医疗数据库中的医疗样本数据对支持向量机进行训练和测试，所述医疗样本数据作为支持向量机的输入值，医疗样本数据对应的肿瘤疾病诊断标签作为支持向量机的输出值，从而获得各肿瘤疾病类型对应的肿瘤诊断模型。5.根据权利要求4所述的基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统柜，其特征在于，肿瘤诊断模型更新单元通过调取的医疗样本数据对支持向量机进行训练时，采用萤火虫算法确定所述支持向量机的惩罚因子和核函数参数，在采用萤火虫算法对支持向量机的惩罚因子和核函数参数进行寻优的过程中，每只萤火虫采用轮盘赌法
则选择向着比自身荧光亮度高的个体移动，并根据吸引力确定每只萤火虫的移动距离，在此基础上，设萤火虫i选择向着萤火虫j进行移动，最终实现第(t+1)次的迭代更新，具体的位置更新公式如下：在上式中，x
i
(t+1)表示萤火虫i在第(t+1)次迭代更新后的位置，x
i
(t)表示萤火虫i在第t次迭代更新后的位置，x
j
(t)表示萤火虫j在第t次迭代更新后的位置，β
ij
(t)表示在第t次迭代更新后萤火虫j对于萤火虫i的吸引度，α
ij
(t)表示在第t次迭代更新后萤火虫i向着萤火虫j进行随机移动的随机项系数，rand为服从正太分布的随机系数，且rand∈[0，1]。6.根据权利要求5所述的基于云计算和人工智能的融合多维度医疗数据的肿瘤精细分类系统，其特征在于，将在第t次迭代更新后萤火虫j对于萤火虫i的吸引度β
...

【专利技术属性】
技术研发人员：李婷，李益非，罗学敏，樊心敏，
申请(专利权)人：云南升玥信息技术有限公司，
类型：发明
国别省市：