【技术实现步骤摘要】
本专利技术涉及临床决策智能辅助，具体为基于预后的肺亚实性结节临床决策智能辅助系统。
技术介绍
1、肺癌已经成为世界各地癌症患者死亡的主要原因。近年来，随着低剂量ct肺癌筛查的开展和胸部薄层ct的广泛应用，肺亚实性结节的检出率显著提高，根据结节内有无实性成分、是否掩盖其内肺实质，肺亚实性结节进一步分为部分实性结节和纯磨玻璃密度结节。持续存在3个月及以上的肺亚实性结节多数属于早期肺腺癌及癌前病变，其生长规律遵循从不典型腺瘤样增生，原位腺癌，微小浸润腺癌到浸润腺癌的自然进展规律。国内外的多项研究尽管入组标准及对肺结节生长的定义不完全一致，但都表明纯磨玻璃密度结节具有鲜明的惰性生物学行为。肺亚实性结节的随诊及处理策略分歧较大是目前国内外普遍存在的现象，国际上也有声音质疑国内对亚实性结节特别是纯磨玻璃密度结节的处理过于激进、过度治疗。究其原因，医生和患者的顾虑和担忧源于对“癌”的恐惧、对预后的未知和担心。
2、在过去的10年中，我们对持续存在的肺亚实性结节自然生长史、影响亚实性结节生长的危险因素、亚实性结节影像特征与病理侵袭性的关系已经初步了解，诸多研究结果对各种指南和共识的制定提供了依据，但目前的现状是对于亚实性结节的处理依然分歧较大，可能会存在过度治疗问题。
技术实现思路
1、本专利技术的目的在于提供基于预后的肺亚实性结节临床决策智能辅助系统，以解决上述
技术介绍
中提出的现阶段对于肺亚实性结节的随诊及处理策略分歧较大，可能会存在过度治疗的问题。
2、为实现上述目的，
3、所述影像获取模块用于肺亚实性结节患者(行手术切除者/未行手术切除但随访观察≥5年者)进行胸部ct平扫/增强扫描后，获取患者的原始ct扫描影像数据；
4、所述结节特征分析模块用于将采集的ct扫描影像数据基于人工智能进行肺亚实性结节的特征提取分析；
5、所述风险评估模块用于根据结节的特征分析结果和患者的个体因素，进行风险评估；
6、所述治疗建议反馈模块用于基于结节的特征和风险评估结果，提供针对性的治疗建议；
7、所述信息共享模块用于多学科医生与患者之间沟通理解结节的相关预后信息，并建立患者的复查计划，进行定期的影像学检查；
8、所述决策信息辅助模块用于获取最新的临床指南和研究成果，为医生提供决策支持，辅助医生做出科学、客观的临床决策。
9、优选的，所述影像获取模块的流程为：指导患者呼吸训练后，仰卧位进行胸部ct平扫/增强扫描，管电压、管电流分别设置为120kvp和200～350mas，采集和重建层厚均为1.25mm或1mm，重建间隔为0.8mm，螺距为0.984或1.203，扫描矩阵为512×512，扫描视野为350mm×350mm，全肺扫描并采用标准算法进行重建，将扫描得到的原始数据上传。
10、优选的，所述结节特征分析模块包括影像数据加载模块、结节分割模块、形态特征提取模块、纹理特征提取模块和密度特征提取模块；
11、所述影像数据加载模块用于接收上传的患者ct影像数据，对图像进行加载并进行预处理，包括图像去噪和图像增强；
12、所述结节分割模块基于maskr-cnn深度学习网络的分割算法将肺部亚实性结节从周围组织中分割出来；
13、所述形态特征提取模块用于提取肺亚实性结节的形态特征，记录结节体积及平均径；
14、所述纹理特征提取模块用于提取结节内部的纹理特征，通过灰度共生矩阵描述结节内部的纹理结构；
15、所述密度特征提取模块通过密度分布分析，提取结节的密度特征。
16、优选的，所述形态特征提取模块提取的形态特征包括：结节类型、结节边缘特征、空泡特征、空气支气管特征、血管集束特征和胸膜受累特征。
17、优选的，所述风险评估模块包括临床信息分析、影像特征分析、生物标志物分析、预后模型建立和风险评估结果输出；
18、所述临床信息分析用于结合患者的年龄、性别、吸烟史和症状的临床信息，评估患者的一般健康状况和影响患者预后的相关风险；
19、所述影像特征分析用于通过所提取的结节特征结合影像学上的特征进行风险评估；
20、所述生物标志物分析通过检测患者的生物学信息，来评估亚实性结节的恶性风险；
21、所述预后模型建立基于临床前瞻性研究数据通过卷积神经网络建立预后模型，预测亚实性结节患者的生存期和转归情况；
22、所述风险评估结果输出用于根据患者的临床信息、影像特征和生物标志物数据，综合评估亚实性结节患者的生存风险，并给出相应的风险评估指标并将风险评估结果进行可视化展示。
23、优选的，所述预后模型建立的流程为：首先收集患者的临床数据、影像特征数据和生物标志物数据，然后从收集的数据中选择与预后相关的特征并对这些特征进行提取和处理，对处理后的特征数据进行训练并进行模型评估验证，最后利用预后模型对患者的预后情况进行评估和决策。
24、优选的，所述治疗建议反馈模块包括治疗方案推荐、风险评估与预后提示和药物使用提示；
25、所述治疗方案推荐用于根据患者的病情信息结合最新的临床指南和专家共识，推荐个性化的治疗方案；
26、所述风险评估与预后提示用于对患者的预后情况进行评估，并提供相应的风险评估指标和预后提示；
27、所述药物使用提示针对推荐的治疗方案，提供相关药物的相互作用和副作用提示。
28、优选的，所述信息共享模块包括患者信息整合和多学科协作会诊；
29、所述患者信息整合用于将患者的临床信息及检查资料进行数据整合；
30、所述多学科协作用于多学科团队成员之间的协作和交流，并支持远程会诊功能，不同地点的医疗团队成员共同讨论患者的病情，提供诊断和治疗建议。
31、与现有技术相比，本专利技术的有益效果是：
32、本专利技术中，通过获取预后肺亚实性结节患者(行手术切除者/未行手术切除但随访观察≥5年者)的胸部ct平扫/增强数据，利用人工智能ct影像数据进行特征分析，利用特征分析结果结合影像学上的特征进行风险评估，并通过检测患者的生物学信息，来评估亚实性结节的恶性风险，利用建立的预后模型对患者亚实性结节预后的生存期和转归情况进行预测，输出患者的肺亚实性结节临床决策，便于医生快速了解患者的病情变化，进而在病情发生变化时及时调整后续治疗方案，以改善预后。
本文档来自技高网...【技术保护点】
1.基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：包括影像获取模块(1)、结节特征分析模块(2)、风险评估模块(3)、治疗建议反馈模块(4)、信息共享模块(5)和决策信息辅助模块(6)；
2.根据权利要求1所述的基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：所述影像获取模块(1)的流程为：指导患者呼吸训练后，仰卧位进行胸部CT平扫/增强扫描，管电压、管电流分别设置为120kVp和200～350mAs，采集和重建层厚均为1.25mm或1mm，重建间隔为0.8mm，螺距为0.984或1.203，扫描矩阵为512×512，扫描视野为350mm×350mm，全肺扫描并采用标准算法进行重建，将扫描得到的原始数据上传。
3.根据权利要求1所述的基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：所述结节特征分析模块(2)包括影像数据加载模块(21)、结节分割模块(22)、形态特征提取模块(23)、纹理特征提取模块(24)和密度特征提取模块(25)；
4.根据权利要求3所述的基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：所述
5.根据权利要求1所述的基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：所述风险评估模块(3)包括临床信息分析、影像特征分析、生物标志物分析、预后模型建立和风险评估结果输出；
6.根据权利要求5所述的基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：所述预后模型建立的流程为：首先收集患者的临床数据、影像特征数据和生物标志物数据，然后从收集的数据中选择与预后相关的特征并对这些特征进行提取和处理，对处理后的特征数据进行训练并进行模型评估验证，最后利用预后模型对患者的预后情况进行评估和决策。
7.根据权利要求1所述的基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：所述治疗建议反馈模块(4)包括治疗方案推荐、风险评估与预后提示和药物使用提示；
8.根据权利要求1所述的基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：所述信息共享模块(5)包括患者信息整合和多学科协作会诊；
...【技术特征摘要】
1.基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：包括影像获取模块(1)、结节特征分析模块(2)、风险评估模块(3)、治疗建议反馈模块(4)、信息共享模块(5)和决策信息辅助模块(6)；
2.根据权利要求1所述的基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：所述影像获取模块(1)的流程为：指导患者呼吸训练后，仰卧位进行胸部ct平扫/增强扫描，管电压、管电流分别设置为120kvp和200～350mas，采集和重建层厚均为1.25mm或1mm，重建间隔为0.8mm，螺距为0.984或1.203，扫描矩阵为512×512，扫描视野为350mm×350mm，全肺扫描并采用标准算法进行重建，将扫描得到的原始数据上传。
3.根据权利要求1所述的基于预后的肺亚实性结节临床决策智能辅助系统，其特征在于：所述结节特征分析模块(2)包括影像数据加载模块(21)、结节分割模块(22)、形态特征提取模块(23)、纹理特征提取模块(24)和密度特征提取模块(25)；
4.根据权利要求3所述的基于预后的肺亚实性结节临床决策智能辅助系统，其特征...
【专利技术属性】
技术研发人员：王建卫，齐琳琳，李凤兰，陈佳琪，崔舒蕾，
申请(专利权)人：中国医学科学院肿瘤医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。