[发明专利]肺腺癌数据处理方法、系统、设备及计算机可读存储介质

权利要求书

1.一种肺腺癌数据处理方法，其特征在于，所述方法包括：

获取肺腺癌患者的临床样本数据；

提取所述临床样本数据的特征；

基于所述特征对样本进行分类得到AAH/AIS/MIA组和IAC组的第一预分类结果；

基于所述特征对所述AAH/AIS/MIA组进行分类得到包括AAH/AIS和MIA的第一分类结果；

基于所述特征对样本进行分类得到AAH/AIS组和MIA/IAC组的第二预分类结果；

基于所述特征对所述MIA/IAC进行分类得到包括MIA和IAC的第二分类结果；

对所述第一预分类结果中的IAC组和所述第二预分类中的AAH/AIS组样本进行再分类，所述再分类是基于所述特征对样本进行三分类得到AAH/AIS、MIA、IAC分类结果；

基于第一分类结果、第二分类结果和再分类结果输出样本为AAH/AIS、MIA或IAC的分类结果。

2.根据权利要求1所述的肺腺癌数据处理方法，其特征在于，所述临床样本数据为影像样本数据，提取所述影像样本数据的影像组学特征；基于所述影像组学特征对样本进行分类得到AAH/AIS/MIA组和IAC组的第一预分类结果；基于所述影像组学特征对所述AAH/AIS/MIA组进行分类得到包括AAH/AIS和MIA的第一分类结果；基于所述影像组学特征对样本进行分类得到AAH/AIS组和MIA/IAC组的第二预分类结果；基于所述影像组学特征对所述MIA/IAC进行分类得到包括MIA和IAC的第二分类结果；对所述第一预分类结果中的IAC组和所述第二预分类中的AAH/AIS组样本进行再分类，所述再分类是基于所述影像组学特征对样本进行三分类得到AAH/AIS、MIA、IAC分类结果；基于第一分类结果、第二分类结果和再分类结果输出样本为AAH/AIS、MIA或IAC的分类结果。

3.据权利要求2所述的肺腺癌数据处理方法，其特征在于，所述提取所述影像样本数据的影像组学特征为将所述影像样本数据输入深度学习算法模型提取影像组学特征，所述深度学习算法模型包括添加判别式滤波器学习模块的深度学习模型、提取放射组学特征的机器学习模型及融合模块，所述判别式滤波器学习模块用于提取结节细节特征，所述影像样本数据输入添加判别式滤波器学习模块的深度学习模型提取得到样本中结节的全局特征和局部细节特征；所述影像样本数据输入提取放射组学特征的机器学习模型得到放射组学特征；所述融合模块将所述样本中结节的全局特征和局部细节特征、所述放射组学特征进行特征融合。

4.根据权利要求2所述的肺腺癌数据处理方法，其特征在于，获取的肺腺癌患者的影像样本数、患者的临床信息和/或基因信息；提前所述肺腺癌患者的影像样本数、患者的临床信息和/或基因信息的特征，所述特征包括影像组学特征、临床特征和/或基于特征；基于所述特征对样本进行分类得到AAH/AIS/MIA组和IAC组的第一预分类结果；基于所述特征对所述AAH/AIS/MIA组进行分类得到包括AAH/AIS和MIA的第一分类结果；基于所述特征对样本进行分类得到AAH/AIS组和MIA/IAC组的第二预分类结果；基于所述特征对所述MIA/IAC进行分类得到包括MIA和IAC的第二分类结果；对所述第一预分类结果中的IAC组和所述第二预分类中的AAH/AIS组样本进行再分类，所述再分类是基于所述特征对样本进行三分类得到AAH/AIS、MIA、IAC分类结果；基于第一分类结果、第二分类结果和再分类结果输出样本为AAH/AIS、MIA或IAC的分类结果。