本發(fā)明公開了一種基于多種機(jī)器學(xué)習(xí)算法的肺癌診斷系統(tǒng)，涉及醫(yī)療器械領(lǐng)域，所述系統(tǒng)包括：初步預(yù)測模塊，用于利用已訓(xùn)練的多個肺癌預(yù)測模型分別對待診斷患者的肺部臨床數(shù)據(jù)進(jìn)行肺癌初步預(yù)測處理，得到多個肺癌初步預(yù)測結(jié)果；肺癌診斷模塊，用于利用已訓(xùn)練的肺癌元分類器對所述多個肺癌初步預(yù)測結(jié)果進(jìn)行肺癌分類處理，確定所述待診斷患者是否為肺癌患者。本發(fā)明可應(yīng)用于臨床輔助診斷肺癌的過程中，幫助臨床醫(yī)生進(jìn)行決策，同時可通過網(wǎng)絡(luò)平臺共享給多個中心，為缺乏經(jīng)驗的臨床醫(yī)生提供診斷意見，提升臨床整體的肺癌診斷水平。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)療器械領(lǐng)域，尤其涉及一種基于多種機(jī)器學(xué)習(xí)算法的肺癌診斷系統(tǒng)。

背景技術(shù)

肺癌的診斷主要依靠實驗室輔助檢查、胸部影像學(xué)檢查以及病理學(xué)診斷等。因肺癌早期缺乏典型的臨床癥狀，加之腫瘤異質(zhì)性等特點，實驗室輔助檢查、胸部影像學(xué)檢查等篩查手段都具有一定的局限性，組織病理學(xué)檢查雖是肺癌診斷的金標(biāo)準(zhǔn)，但又存在有創(chuàng)性和操作可行性等問題，因此，肺癌的早期診斷仍是亟待攻克的難題。鑒于上述問題，許多研究者通過引入傳統(tǒng)數(shù)學(xué)統(tǒng)計模型如線性回歸等輔助醫(yī)生進(jìn)行預(yù)測和決策。目前已經(jīng)有不同研究建立了多種肺癌診斷模型，如Mayo臨床模型，the Department of Veterans Affairs(VA)模型和PanCan風(fēng)險預(yù)測模型等。這些模型主要是基于Logistic回歸分析而建立的。但Logistc回歸屬于傳統(tǒng)統(tǒng)計學(xué)概率模型，其對數(shù)據(jù)的要求較為嚴(yán)格：數(shù)據(jù)缺失值少，符合線性、分布為正態(tài)分布、滿足方差齊性等。而臨床工作中的數(shù)據(jù)大多難以滿足以上條件，同時肺癌的臨床診斷數(shù)據(jù)來源較多，由患者基本信息、影像學(xué)數(shù)據(jù)、實驗室數(shù)據(jù)、病理學(xué)數(shù)據(jù)等多方面組成，各個方面間因素的作用方式較為復(fù)雜，這使得傳統(tǒng)的統(tǒng)計學(xué)模型在應(yīng)對這種復(fù)雜的疾病時，較難建立適用性強(qiáng)的預(yù)測模型。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明實施例提供了一種基于多種機(jī)器學(xué)習(xí)算法的肺癌診斷系統(tǒng)。

本發(fā)明實施例提供的基于多種機(jī)器學(xué)習(xí)算法的肺癌診斷系統(tǒng)包括：

初步預(yù)測模塊，用于利用已訓(xùn)練的多個肺癌預(yù)測模型分別對待診斷患者的肺部臨床數(shù)據(jù)進(jìn)行肺癌初步預(yù)測處理，得到多個肺癌初步預(yù)測結(jié)果；

肺癌診斷模塊，用于利用已訓(xùn)練的肺癌元分類器對所述多個肺癌初步預(yù)測結(jié)果進(jìn)行肺癌分類處理，確定所述待診斷患者是否為肺癌患者。

優(yōu)選地，所述系統(tǒng)還包括：

肺癌預(yù)測模型訓(xùn)練模塊，用于利用用來訓(xùn)練肺癌預(yù)測模型的訓(xùn)練集，對所述多個肺癌預(yù)測模型和肺癌元分類器進(jìn)行訓(xùn)練，得到已訓(xùn)練的多個肺癌預(yù)測模型和已訓(xùn)練的肺癌元分類器。

優(yōu)選地，所述系統(tǒng)還包括：

訓(xùn)練集獲取模塊，用于篩選出肺癌患者和非肺癌患者的肺部臨床數(shù)據(jù)，并對已篩選的肺部臨床數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理后的肺部臨床數(shù)據(jù)，從預(yù)處理后的肺部臨床數(shù)據(jù)中劃分出所述訓(xùn)練集。

優(yōu)選地，所述肺部臨床數(shù)據(jù)包括電子病歷數(shù)據(jù)、實驗室檢查結(jié)果、肺部的CT影像學(xué)報告，所述訓(xùn)練集獲取模塊對所述肺部的CT影像學(xué)報告進(jìn)行結(jié)構(gòu)化處理，從所述肺部的CT影像學(xué)報告中得到包括病灶所在部位、毛刺現(xiàn)象、是否有胸膜牽拉、結(jié)節(jié)影像學(xué)性質(zhì)、結(jié)節(jié)直徑的結(jié)構(gòu)信息。

優(yōu)選地，所述肺部臨床數(shù)據(jù)包括肺癌患者和非肺癌患者的肺部診斷結(jié)果，所述訓(xùn)練集獲取模塊用于對肺癌患者和非肺癌患者的肺部診斷結(jié)果進(jìn)行分類，得到分類信息。

優(yōu)選地，所述訓(xùn)練集獲取模塊用于對已篩選的肺部臨床數(shù)據(jù)進(jìn)行編碼處理，得到編碼信息。

優(yōu)選地，所述訓(xùn)練集獲取模塊對已篩選的肺部臨床數(shù)據(jù)進(jìn)行去重、異常值處理、填補(bǔ)缺失值等處理，得到清洗后的肺部臨床數(shù)據(jù)。

優(yōu)選地，所述多個肺癌預(yù)測模型包括XBGoost模型、隨機(jī)森林模型、邏輯回歸模型、支持向量機(jī)、多層感知機(jī)中的至少兩個。