[发明专利]一种用于疾病程度分类的数据决策方法及其系统

说明书

本发明提供了一种用于疾病程度分类的数据决策方法及其系统，包括：对疾病的特征指标进行聚类分析，将特征指标划分为关联度高的特征Isubgt;high/subgt;和关联度低的特征Isubgt;low/subgt;；将关联度高的特征Isubgt;high/subgt;和CT图像输入编码器进行训练得到训练后的自编码器；将训练好的自编码器与softmax分类器结合得到决策分类器，由决策分类器对CT图像进行分类并将分类结果作为分期决策的输出。本发明能够将CT图像和辅助信息结合进行疾病阶段决策的输入信息，能够快速。准确的得到疾病阶段决策结果。

技术领域

本发明涉及数据处理领域，具体公开了一种用于疾病程度分类的数据决策方法及其系统。

背景技术

在发展中国家，癌症问题困扰着大多数人，癌症5年的生存率达到40.5％。而乳腺癌在我国女性中最常见的癌症，乳腺癌位居女性恶性肿瘤死亡率首位，每年发病约达到30.4万。乳腺癌是城市地区的高发疾病。中国病例占全世界新诊断乳腺癌的12.2％，占全世界乳腺癌死亡病例的9.6％。但由于我国与其它国家相比，乳腺癌患者的发病年龄偏小，患者数量多，面对资源不足的情况。医疗资源和患者通常供不应求，医生平均每人每天要处理的病人数量达60人。因此，辅助医生进行分期诊断，从而根据诊断结果进行决策和预后具有重要意义。在乳腺癌诊断中，传统的显像方法(如超声、钼靶等)不能精确地检测到淋巴结的远处转移或累及的情况，这两点都对肿瘤分期起着关键作用。传统方法对于检测多病灶乳腺癌的敏感性低很多，为43.8％，而PET-CT不仅对原发性肿瘤的敏感性为93％，对多病灶肿瘤敏感性高达100％。因此，临床上一般是用放射性示踪剂18F-FDG和pet-ct的显像来为肿瘤进行诊断和明确分期。他们在乳腺癌的发现早期肿瘤，确定肿瘤分期，疗效评价，判断肿瘤复发，预后评价等方面发挥着重要作用。在医院的医疗系统中，每个病人诊疗时进行PET-CT扫描至少会生成600多张图像，每个病人产生的图像数量非常大，而在这些图像中仅仅只有少数几张图像能够作为医生诊断依据。对医生来说，每个人每天要接待上百个病人，要从每个病人产生的600多张图像中挑选出具有价值的那几张图片的工作量是非常巨大的，也是非常费神的，很容易造成人为判断上的误差。

现有的筛选工作和决策诊断均依靠人工操作。

发明内容

本发明目的在提供一种用于疾病程度分类的数据决策方法及其系统，以解决现有技术中存在的依靠人工去筛选和诊断决策使医生工作量大，效率低下的技术缺陷。

为实现上述目的，本发明提供了一种用于疾病程度分类的数据决策方法，包括以下步骤：

对疾病的特征指标进行聚类分析，将特征指标划分为关联度高的特征I_high和关联度低的特征I_low；

将关联度高的特征I_high和CT图像输入编码器进行训练得到训练后的自编码器；

将训练好的自编码器与softmax分类器结合得到决策分类器，将关联度高的特征I_high和CT图像输入决策分类器得到决策输出。

优选地，对特征指标进行聚类分析前需对提取特征指标的CT图像进行筛选：

删去不包含病变区域的图像，保留存在病变区域的图像。

优选地，对特征指标进行聚类分析包括以下步骤：

数据预处理，筛选出存在病变区域的CT图像,根据筛选后的CT图像筛选出乳腺癌诊断相关的肿瘤标志物和病理特征中量化的指标；

把同期病人数据分成一类，把病人在筛选出的D个指标作为参考值，并结合波动程度、标准范围以及参考值构建目标函数；

根据目标函数进行迭代计算得到关联度高的特征I_high和关联度低的特征I_low。