一种肺癌恶性风险分层模型的构建方法、模型及系统技术方案

本发明专利技术属于肺癌治疗技术领域，具体提供了一种肺癌恶性风险分层模型的构建方法、模型及系统，肺癌恶性风险分层模型的构建方法，包括以下步骤：收集非小细胞肺癌患者的医学影像数据和临床数据；对医学影像数据勾画病灶区域，得到标注的图像数据；将标注的图像数据和临床数据作为Densenet‑Self‑Attention‑DeepSurv神经网络的输入，将患者的生存风险作为输出，对神经网络进行训练，得到肺癌恶性风险分层模型。本发明专利技术可以自动分析医学影像，准确地评估肺癌的恶性风险，并预测患者的预后情况，从而为临床医生提供更准确、更全面的信息，帮助他们制定更有效的治疗方案。

【技术实现步骤摘要】

本专利技术涉及肺癌治疗，具体涉及一种肺癌恶性风险分层模型的构建方法、模型及系统。

技术介绍

1、在现代医学中，肺癌的早期诊断和预后评估是一个重要且具有挑战性的问题。尽管医学影像技术(如ct、mri等)的发展为肺癌的检测和定位提供了便利，但由于肺癌的复杂性和多样性，仍然需要专业的医生进行复杂的影像解读和分析。此外，传统的影像解读方法往往无法准确地预测肺癌的恶性风险和预后情况。

2、近年来，人工智能(ai)在医学影像分析中的应用越来越广泛，尤其是深度学习技术的发展，使得计算机可以自动学习和识别医学影像中的复杂模式。然而，目前市场上的ai辅助诊断系统大多数只能进行简单的影像分析和诊断建议，而不能进行深入的肺癌恶性风险分层和预后分析。

技术实现思路

1、针对现有技术中的缺陷，本专利技术提供一种肺癌恶性风险分层模型的构建方法、模型及系统，可以自动分析医学影像，准确地评估肺癌的恶性风险。

2、一种肺癌恶性风险分层模型的构建方法，包括以下步骤：

3、收集非小细胞肺癌患者的医学影像数据和临本文档来自技高网...

【技术保护点】

1.一种肺癌恶性风险分层模型的构建方法，其特征在于，包括以下步骤：

2.如权利要求1所述的肺癌恶性风险分层模型的构建方法，其特征在于，所述医学影像数据包括CT图像和/或MR图像。

3.如权利要求1所述的肺癌恶性风险分层模型的构建方法，其特征在于，还包括将所述标注的图像数据和临床数据进行预处理，所述预处理包括将所述标注的图像数据和临床数据的空间物理距离归一化。

4.如权利要求1-3任一项所述的肺癌恶性风险分层模型的构建方法，其特征在于，所述Densenet-Self-Attention-DeepSurv神经网络包括DenseNet特征提取模块、Self-...

【技术特征摘要】

1.一种肺癌恶性风险分层模型的构建方法，其特征在于，包括以下步骤：

2.如权利要求1所述的肺癌恶性风险分层模型的构建方法，其特征在于，所述医学影像数据包括ct图像和/或mr图像。

3.如权利要求1所述的肺癌恶性风险分层模型的构建方法，其特征在于，还包括将所述标注的图像数据和临床数据进行预处理，所述预处理包括将所述标注的图像数据和临床数据的空间物理距离归一化。

4.如权利要求1-3任一项所述的肺癌恶性风险分层模型的构建方法，其特征在于，所述densenet-self-attention-deepsurv神经网络包括densenet特征提取模块、self-attention模块和new-deepsurv模块，

5.如权利要求4所述的肺癌恶性风险分层模型的构建方法，其特征在于，new-deepsurv模块中的激活函数为tanh函数。

6.如权利要求1所述的肺癌恶性风险分层模型的...

【专利技术属性】
技术研发人员：杨斌，王宇博，张冀云，解博森，敬洋，
申请(专利权)人：昆明市第一人民医院，
类型：发明
国别省市：