一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法技术

本发明专利技术涉及肺部肿瘤浸润性判别技术领域，且公开了一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法。该方法通过数据采集模块采集患者的肺部肿瘤数据影像、患者的年龄数据、性别数据、症状信息以及体征信息，数据分析模块对患者的肺部肿瘤数据影像进行分析计算，得到肿瘤面积值、肿瘤形态值、肿瘤纹理值以及肿瘤密度值，深度学习模块设计深度学习神经网络模型，通过训练该模型来计算肿瘤浸润值，辅助诊断模块基于肿瘤浸润值的大小做出病情分析，输出模块将患者的病情分析报告以及患者的年龄数据、性别数据、症状信息以及体征信息传输至医生的工作电脑上，医生根据上述传输数值，并结合临床经验对患者做出病情诊断。

【技术实现步骤摘要】

本专利技术涉及肺部肿瘤浸润性判别，具体为一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法。

技术介绍

1、判别肺部肿瘤的浸润性对于肺癌的诊断、治疗和预后评估都具有重要的作用，它可以反映肿瘤的侵袭程度，通过分析肿瘤的浸润性可以帮助医生判断肿瘤的分期和发展阶段，为肺癌的早期诊断提供依据，肺部肿瘤的浸润性也是预后评估的重要指标之一，通常来说，浸润性较高的肿瘤通常有更高的复发和转移风险，对患者的预后影响更大。通过评估肿瘤的浸润性，可以帮助医生更准确地评估患者的生存和治疗效果，有助于指导肺癌的治疗方案选择、预后评估和治疗效果监测，对于提高患者的生存率和生活质量具有重要意义。

2、目前大部分关于判别肺部肿瘤的浸润性主要是通过病理学评估这一方法，该方法是一项主观性较强的工作，对于复杂性的浸润程度的评估，不同病理医生可能会有一定的主观差异，因此会导致不同诊断结果之间的差异，降低评估的准确性，为此需要提出一种新的判别肺部肿瘤浸润性的方法。

技术实现思路

1、(一)解决的技术问题

2、本文档来自技高网...

【技术保护点】

1.一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法，具体包括以下步骤：

2.根据权利要求1所述的一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法，其特征在于：所述S1通过数据采集模块将患者的肺部肿瘤数据影像Fbzl通过网络传输至数据分析模块，并将患者的年龄数据Hznl、性别数据Hzxb、症状信息Hzzx以及体征信息Tzxx存储在系统存储介质中。

3.根据权利要求2所述的一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法，其特征在于：所述S2通过数据分析模块对患者的肺部肿瘤数据影像Fbzl进行分析计算，得到...

【技术特征摘要】

1.一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法，具体包括以下步骤：

2.根据权利要求1所述的一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法，其特征在于：所述s1通过数据采集模块将患者的肺部肿瘤数据影像fbzl通过网络传输至数据分析模块，并将患者的年龄数据hznl、性别数据hzxb、症状信息hzzx以及体征信息tzxx存储在系统存储介质中。

3.根据权利要求2所述的一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法，其特征在于：所述s2通过数据分析模块对患者的肺部肿瘤数据影像fbzl进行分析计算，得到肿瘤面积值zlmj，计算公式如下：

4.根据权利要求3所述的一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法，其特征在于：所述s2通过数据分析模块对患者的肺部肿瘤数据影像fbzl进行分析计算，得到肿瘤形态值zlxt，计算公式如下：

5.根据权利要求4所述的一种基于临床医学、深度学习神经网络和影像组学判别肺部肿瘤浸润性的方法，其特征在于：所述s2通过数据分析模块对患者的肺部肿瘤数据影像fbzl进行分析计算，得到肿瘤纹理值zlwl，计算公式如下：

6.根据权利要求...

【专利技术属性】
技术研发人员：裴萌，杨小芳，王瑜，马明，郭彦署，
申请(专利权)人：北京凯普顿医药科技开发有限公司，
类型：发明
国别省市：