【技术实现步骤摘要】
本专利技术涉及肿瘤数据处理的人工智能技术，特别是涉及一种数据处理系统及数据处理方法。
技术介绍
1、目前，临床医学中对于重大慢性疾病如癌症、心血管、神经退行性疾病的分析往往需要对目标部位，如肿瘤、心肌、脑区，成像进行分析和处理。常用的成像方法包括超声、核磁共振成像(nuclear magnetic resonance imaging，nmri)、电子计算机断层扫描(computed tomography，ct)和正电子发射型计算机断层显像(positron emissioncomputed tomography，pet)等成像技术。
2、以肿瘤为例，近年来随着深度学习、大语言模型(llm)的蓬勃发展，给自动肿瘤辅助诊断的实现带来了可能。一些计算机辅助诊断(cad)网络，如u-net、magicnet等，利用先进的深度学习算法来分析医学图像，并提供有价值的见解来支持临床决策。
3、然而从这些cad网络得到的信息依然是专业性较强的，它们能为医生的判断带来帮助，但很难让没有医学知识的普通患者理解。同时，最近的llm研究，如chatgpt等，展示了强大的语言理解能力，已经被证明具有作为提供医学知识和建议的工具的潜力。但这些llm通常基于文本数据训练，难以利用在临床决策中起重要作用的医学图像信息。
4、为了解决这些问题，最近的一些工作，如chatcad，通过将cad网络优秀的视觉理解能力和llm强大的医学领域知识和逻辑推理能力相结合，为患者提供更加友好且易用的医疗诊断系统。然而，现有的cad网络仅获取了
技术实现思路
1、本专利技术的目的是提供一种数据处理系统，其能够提高生成的报告的准确性。
2、本专利技术的另一个目的是提供一种数据处理方法，其能够提高生成的报告的准确性。
3、本专利技术提供的数据处理系统，包括：一个掩膜分析模块和一个第一提示模块。掩膜分析模块能够根据医学影像的肿瘤位置掩膜和器官位置掩膜生成参考数据。参考数据包括参考肿瘤位置、参考肿瘤尺寸、入侵器官名称和suv值。第一提示模块能够根据参考数据和依据医学影像生成的肿瘤类别标签生成第一提示内容。第一提示模块还能够接收根据第一提示内容优化根据医学影像生成的初始报告的第一提示信息，初始报告中记录了初始肿瘤类别、初始肿瘤位置和初始肿瘤尺寸。第一提示模块还能够将初始报告、第一提示内容和第一提示信息输入至大语言模型，大语言模型能够根据初始报告、第一提示内容和第一提示信息生成优化报告。优化报告包括优化肿瘤类别、优化肿瘤位置、优化肿瘤尺寸、入侵器官名称和suv值。
4、该数据处理系统，其通过掩膜分析模块获取用于数据处理的包括参考肿瘤位置、参考肿瘤尺寸、入侵器官名称和suv值的参考数据，以提高优化报告的准确性。
5、在数据处理系统的再一种示意性实施方式中，参考数据和优化报告均包括肿瘤是否远端转移。借此进一步提高优化报告的准确性。
6、在数据处理系统的又一种示意性实施方式中，还包括：一个肿瘤分期字典模块、一个肿瘤医学知识图谱模块和一个第二提示模块。肿瘤分期字典模块包括肿瘤类别信息以及各肿瘤类别对应的参考分期系统。肿瘤医学知识图谱模块包括主体节点、客体节点和关系信息，其中主体节点和客体节点均包括疾病、症状、体征、药品、检验、检查、手术和病理，关系信息为主体节点与客体节点之间的关系。第二提示模块能够根据肿瘤类别标签查询肿瘤分期字典模块以获得肿瘤类别对应的参考分期系统并将其作为第二提示内容。第二提示模块还能够接收对该肿瘤类别进行精确分期和解释病因的第二提示信息，并生成预测k个可能的推理路径以及各推理路径的查询代码的预测请求。第二提示模块还能够将第二提示内容、第二提示信息和预测请求输入至大语言模型。大语言模型能够根据优化报告、第二提示内容和第二提示信息调用肿瘤医学知识图谱模块以预测k个可能的推理路径以及各推理路径的查询代码，并依次查询每个可能的推理路径的信息以得到推理路径集合，再根据最佳的推理路径预测肿瘤分期及病因并输出参考分期报告。
7、通过添加肿瘤分期字典模块和肿瘤医学知识图谱模块，使大语言模块无需训练就能获得最新的医学知识，从而提高参考分期报告的准确性同时降低成本；通过结合肿瘤医学知识图谱模块和大语言模型，将大语言模型的隐式推理转化为显式推理，从而使参考分期报告具有更高的准确性。
8、在数据处理系统的又一种示意性实施方式中，还包括一个因果关系检查模块。因果关系检查模块能够根据参考分期报告生成对参考分期报告的因果关系分数个层次进行提问的第三提示信息，将第三提示信息输入大语言模型以获得一组因果关系验证问题，并请求大语言模型回答因果关系验证问题以得到每一个问题的回答，再要求大语言模型根据参考分期报告和因果关系验证问题的回答进行总结，以得到数据处理报告。借此提高了大语言模型输出具有正确因果关系的内容的能力，提高数据处理报告的准确性。
9、在数据处理系统的另一种示意性实施方式中，第二提示模块能够接收针对肿瘤的医疗建议进行提问的第四提示信息，并将第四提示信息输入大语言模型。大语言模型能够根据第四提示信息调用肿瘤医学知识图谱模块以获取初始医疗建议，并将初始医疗建议输出至因果关系检查模块。因果关系检查模块能够根据初始医疗建议生成对初始医疗建议的因果关系分数个层次进行提问的第五提示信息，将第五提示信息输入大语言模型以获得一组因果关系验证问题，请求大语言模型回答因果关系验证问题以得到每一个问题的回答，再要求大语言模型根据初始医疗建议和因果关系验证问题的回答进行总结以输出优化医疗建议。借此便于在获取数据处理报告之后获取针对肿瘤的医疗建议。
10、本专利技术还提供一种数据处理方法，包括：根据医学影像的肿瘤位置掩膜和器官位置掩膜生成参考数据，参考数据包括参考肿瘤位置、参考肿瘤尺寸、入侵器官名称和suv值；根据参考数据和依据医学影像生成的肿瘤类别标签生成第一提示内容；生成根据第一提示内容优化根据医学影像生成的初始报告的第一提示信息，初始报告中记录了初始肿瘤类别、初始肿瘤位置和初始肿瘤尺寸；将初始报告、第一提示内容和第一提示信息输入至大语言模型，以使大语言模型能够根据初始报告、第一提示内容和第一提示信息生成优化报告，优化报告包括优化肿瘤类别、优化肿瘤位置、优化肿瘤尺寸、入侵器官名称和suv值。
11、该数据处理方法通过获取用于数据处理的包括参考肿瘤位置、参考肿瘤尺寸、入侵器官名称和suv值的参考数据，以提高优化报告的准确性。
12、在数据处理方法的再一种示意性实施方式中，参考数据和优化报告均包括肿瘤是否远端转移。借此进一步提高优化报告的准确性。
13、在数据处理方法的又一种示意性实施方式中，还包括：创建肿瘤分期字典模块，肿瘤分期字典模块包括肿瘤类别信息以及各肿瘤类别对应的参考分期系统；创建肿瘤医学知识图谱模块，肿瘤医学知识图谱模块包本文档来自技高网...
【技术保护点】
1.数据处理系统，其特征在于，包括：
2.如权利要求1所述的数据处理系统，其特征在于，所述参考数据和所述优化报告均包括肿瘤是否远端转移。
3.如权利要求1所述的数据处理系统，其特征在于，还包括：
4.如权利要求3所述的数据处理系统，其特征在于，还包括：
5.如权利要求4所述的数据处理系统，其特征在于，所述第二提示模块（50）能够接收针对肿瘤的医疗建议进行提问的第四提示信息，并将所述第四提示信息输入大语言模型；大语言模型能够根据所述第四提示信息调用所述肿瘤医学知识图谱模块（40）以获取初始医疗建议，并将所述初始医疗建议输出至所述因果关系检查模块（60）；所述因果关系检查模块（60）能够根据所述初始医疗建议生成对所述初始医疗建议的因果关系分数个层次进行提问的第五提示信息，将所述第五提示信息输入大语言模型以获得一组因果关系验证问题，请求大语言模型回答因果关系验证问题以得到每一个问题的回答，再要求大语言模型根据所述初始医疗建议和因果关系验证问题的回答进行总结以输出优化医疗建议。
6.数据处理方法，其特征在于，包括：
8.如权利要求6所述的数据处理方法，其特征在于，还包括：
9.如权利要求8所述的数据处理方法，其特征在于，还包括：
10.如权利要求9所述的数据处理方法，其特征在于，还包括：
...【技术特征摘要】
1.数据处理系统，其特征在于，包括：
2.如权利要求1所述的数据处理系统，其特征在于，所述参考数据和所述优化报告均包括肿瘤是否远端转移。
3.如权利要求1所述的数据处理系统，其特征在于，还包括：
4.如权利要求3所述的数据处理系统，其特征在于，还包括：
5.如权利要求4所述的数据处理系统，其特征在于，所述第二提示模块（50）能够接收针对肿瘤的医疗建议进行提问的第四提示信息，并将所述第四提示信息输入大语言模型；大语言模型能够根据所述第四提示信息调用所述肿瘤医学知识图谱模块（40）以获取初始医疗建议，并将所述初始医疗建议输出至所述因果关系检查模块（60）；所述因果关系检查模块（60）能够根据所述初始医...
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。