【技术实现步骤摘要】
本专利技术属于膀胱癌生物标志检测，具体为一种基于机器学习的膀胱癌诊断辅助系统。
技术介绍
1、一种基于机器学习的膀胱癌诊断辅助系统是一种利用先进的算法和数据分析技术，自动分析患者的医学图像、病理数据、临床信息或是疾病的生物学特征，从而帮助医生更准确和迅速地诊断膀胱癌的工具。它的主要作用是提高诊断的准确性，减少误诊率，优化治疗方案，并提高医疗效率。
2、但是，在已有的膀胱癌诊断辅助系统中，存在着传统的膀胱癌诊断辅助系统往往聚焦于基本医学图像或者生物标志物的单峰分析，而图像数据的采集和分析难度较大，难以确保可靠性和推广可行性，而生物标志物的单峰分析则缺少准确率和精度的支撑的技术问题；在已有的膀胱癌诊断辅助系统中，存在着多峰分析生物标志物在传统方法中存在难以避免的数据质量杂乱和多模态数据类型复杂，进而影响了模型的构建可行性和后续的精确率的技术问题；在已有的膀胱癌诊断辅助系统中，存在着多光谱检测在进行具体的实施时，对于时序特征和局部蛋白质特征的提取精度要求较高，且融合后的多光谱数据存在多模态特性，既需要考虑全局特征，也需要考虑局部特...
【技术保护点】
1.一种基于机器学习的膀胱癌诊断辅助系统，其特征在于：包括标记数据收集模块、数据预处理模块、多光谱检测模块和诊断辅助模块；
2.根据权利要求1所述的一种基于机器学习的膀胱癌诊断辅助系统，其特征在于：所述标记数据收集，用于进行蛋白质标记物信息收集，具体为从临床医疗数据和膀胱癌尿检数据中，通过采集，得到膀胱按衍生尿液检测蛋白质标记原始数据，并从所述膀胱按衍生尿液检测蛋白质标记原始数据中提取得到膀胱癌蛋白标记原始数据；
3.根据权利要求2所述的一种基于机器学习的膀胱癌诊断辅助系统，其特征在于：所述多光谱检测，具体为依据所述膀胱癌蛋白标记优化数据，采用...
【技术特征摘要】
1.一种基于机器学习的膀胱癌诊断辅助系统，其特征在于：包括标记数据收集模块、数据预处理模块、多光谱检测模块和诊断辅助模块；
2.根据权利要求1所述的一种基于机器学习的膀胱癌诊断辅助系统，其特征在于：所述标记数据收集，用于进行蛋白质标记物信息收集，具体为从临床医疗数据和膀胱癌尿检数据中，通过采集，得到膀胱按衍生尿液检测蛋白质标记原始数据，并从所述膀胱按衍生尿液检测蛋白质标记原始数据中提取得到膀胱癌蛋白标记原始数据；
3.根据权利要求2所述的一种基于机器学习的膀胱癌诊断辅助系统，其特征在于：所述多光谱检测，具体为依据所述膀胱癌蛋白标记优化数据，采用解释性增强的图卷积长短期记忆网络，进行多光谱检测，得到膀胱癌生物标记检测数据；
4.根据权利要求3所述的一种基于机器学习的膀胱癌诊断辅助系统，其特征在于：所述采用解释性增强的图卷积长短期记忆网络，进行多光谱检测，得到膀胱癌生物...
【专利技术属性】
技术研发人员：刘海丽，李天然，钟燕，马元昊，崔华峰，陈逸剑，郭慧萍，崔梦秋，
申请(专利权)人：中国人民解放军总医院第二医学中心，
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。