[发明专利]一种肺部纵膈淋巴结的性质判定方法及系统

权利要求书

1.一种肺部纵膈淋巴结的性质判定系统，其特征在于，具体包括：

图像分割模块，用于采集若干病人的肺部断层扫描图像，并对各所述肺部断层扫描图像进行进行图像分割，得到每个所述肺部断层扫描图像对应的肺部纵膈淋巴结所在处的病灶部位图像；

特征提取模块，连接所述图像分割模块，用于分别对各所述病灶部位图像进行特征提取，得到各所述病灶部位图像的高维特征数据；

数据整合模块，分别连接所述图像分割模块和所述特征提取模块，用于针对每个所述病灶部位图像，获取对应于所述病灶部位图像的所述肺部纵膈淋巴结的真实恶性概率，并将所述病灶部位图像、所述高维特征数据以及所述真实恶性概率加入一病灶数据集合；

数据库构建模块，连接所述数据整合模块，用于根据各所述病灶数据集合构建图像特征数据库；

模型训练模块，连接所述数据库构建模块，用于根据所述图像特征数据库训练得到所述肺部纵膈淋巴结的性质判定模型；

模型预测模块，连接所述模型训练模块，用于将待预测病人的所述肺部断层扫描图像输入所述性质判定模型中，得到所述待预测病人的所述肺部纵膈淋巴结的预测恶性概率，以供医生进行临床诊断参考。

2.根据权利要求1所述的肺部纵膈淋巴结的性质判定系统，其特征在于，所述高维特征数据包括所述病灶部位图像的形态特征数据，和/或纹理特征数据，和/或灰度特征数据。

3.根据权利要求1所述的部纵膈淋巴结的性质判定系统，其特征在于，所述真实恶性概率为0或1。

4.根据权利要求1所述的部纵膈淋巴结的性质判定系统，其特征在于，所述模型训练模块具体包括：

数据划分单元，用于将所述图像特征数据库中的各所述病灶数据集合划分为训练集和测试集；

数据训练单元，连接所述数据划分单元，用于根据所述训练集中的各所述病灶数据集合训练得到所述肺部纵膈淋巴结的性质判定模型；

模型评估单元，分别连接所述数据划分单元和所述数据训练单元，用于将所述测试集中的各所述病灶数据集合输入所述性质判定模型中得到相应的预测恶性概率，并将各所述预测恶性概率与对应的所述真实恶性概率进行对比，根据对比结果对所述性质判定模型进行效能评估得到效能评估结果；

数据输出单元，分别连接所述数据训练单元和所述模型评估单元，用于输出所述性质判定模型和所述效能评估结果，医生根据所述效能评估结果对所述性质判定模型的预测恶性概率的准确性进行评估，并作为临床诊断参考。

5.一种肺部纵膈淋巴结的性质判定方法，其特征在于，应用于如权利要求1-4中任意一项所述的肺部纵膈淋巴结的性质判定系统，所述性质判定方法具体包括以下步骤：

步骤S1，采集若干病人的肺部断层扫描图像，并对各所述肺部断层扫描图像进行进行图像分割，得到每个所述肺部断层扫描图像对应的肺部纵膈淋巴结所在处的病灶部位图像；

步骤S2，分别对各所述病灶部位图像进行特征提取，得到各所述病灶部位图像的高维特征数据；

步骤S3，针对每个所述病灶部位图像，获取对应于所述病灶部位图像的所述肺部纵膈淋巴结的真实恶性概率，并将所述病灶部位图像、所述高维特征数据以及所述真实恶性概率加入一病灶数据集合；

步骤S4，根据各所述病灶数据集合构建图像特征数据库；

步骤S5，根据所述图像特征数据库训练得到所述肺部纵膈淋巴结的性质判定模型；

步骤S6，将待预测病人的所述肺部断层扫描图像输入所述性质判定模型中，得到所述待预测病人的所述肺部纵膈淋巴结的预测恶性概率，以供医生进行临床诊断参考。

6.根据权利要求5所述的肺部纵膈淋巴结的性质判定方法，其特征在于，所述步骤S2中，所述高维特征数据包括所述病灶部位图像的形态特征数据，和/或纹理特征数据，和/或灰度特征数据。

7.根据权利要求5所述的肺部纵膈淋巴结的性质判定方法，其特征在于，所述步骤S3中，所述真实恶性概率为0或1。

8.根据权利要求5所述的肺部纵膈淋巴结的性质判定方法，其特征在于，所述步骤S5具体包括：

步骤S51，将所述图像特征数据库中的各所述病灶数据集合划分为训练集和测试集；

步骤S52，根据所述训练集中的各所述病灶数据集合训练得到所述肺部纵膈淋巴结的性质判定模型；

步骤S53，将所述测试集中的各所述病灶数据集合输入所述性质判定模型中得到相应的预测恶性概率，并将各所述预测恶性概率与对应的所述真实恶性概率进行对比，根据对比结果对所述性质判定模型进行效能评估得到效能评估结果；

步骤S54，输出所述性质判定模型和所述效能评估结果，医生根据所述效能评估结果对所述性质判定模型的预测恶性概率的准确性进行评估，并作为临床诊断参考。