[发明专利]一种基于增量学习的结直肠癌复发人群的筛查方法及系统在审

专利信息
申请号: 202110889830.4 申请日: 2021-08-04
公开(公告)号: CN113628745A 公开(公告)日: 2021-11-09
发明(设计)人: 刘茗露;白蓉;白银 申请(专利权)人: 上海孚慈医疗科技有限公司
主分类号: G16H50/30 分类号: G16H50/30;G16H50/20;G16H10/60
代理公司: 北京众达德权知识产权代理有限公司 11570 代理人: 吴莹
地址: 201314 上海市浦东*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 增量 学习 直肠癌 复发 人群 方法 系统
【权利要求书】:

1.一种基于增量学习的结直肠癌复发人群的筛查方法,其中,所述方法应用于结直肠癌复发人群筛查系统,所述系统与一数据采集器智能连接,所述方法包括:

根据所述数据采集器,获得第一结直肠癌用户的第一检查影像信息;

根据所述第一检查影像信息,构建第一筛查档案;

基于所述第一筛查档案,获得第一影像特征信息和第二影像特征信息;

根据所述第一影像特征信息,获得所述第一结直肠癌用户的第一手术方式信息;

根据所述第二影像特征信息,获得所述第一结直肠癌用户的第一患病阶段信息;

将所述第一手术方式信息和所述第一患病阶段信息输入第一复发风险评估模型中,根据所述第一复发风险评估模型,获得第一复发风险系数;

根据第一添加指令,获得第一更新特征信息,其中,所述第一更新特征信息为所述第一结直肠癌用户的第一术后监测特征信息;

所述第一术后监测特征信息为用户手术之后恢复的时间段中的一些特征,随着术后身体状况的恢复可以不断获得的新增的监测特征,且监测获得的数据可以通过用户佩戴的智能穿戴装置进行饮食监测数据、心理监测数据以及运动监测数据相关的术后恢复数据的采集再完成其对应的新增特征的提取;

根据所述第一更新特征信息对所述第一复发风险评估模型进行增量学习,获得第二复发风险评估模型;

基于所述第二复发风险评估模型,获得第二复发风险系数;

根据所述第一复发风险系数和所述第二复发风险系数,生成第一筛查统计信息。

2.如权利要求1所述的方法,所述根据所述第一更新特征信息对所述第一复发风险评估模型进行增量学习,获得第二复发风险评估模型,所述方法还包括:

将所述第一更新特征信息输入到所述第一复发风险评估模型中,获得第一预测风险系数;

通过对所述第一预测风险系数进行数据损失分析,获得第一损失数据;

将所述第一损失数据输入到所述第一复发风险评估模型中进行训练,获得所述第二复发风险评估模型。

3.如权利要求2所述的方法,所述方法还包括:

通过对所述第二复发风险评估模型的训练数据进行量化分析,获得第一数据量化指标;

判断所述第一数据量化指标是否处于预设数据量化指标阈值中;

若所述第一数据量化指标处于所述预设数据量化指标阈值中,获得第一调整指令;

根据所述第一调整指令,对所述第二复发风险评估模型的训练数据进行特征数据筛选,获得第一代表特征信息,其中,所述第一代表特征为所述第二复发风险评估模型中每种训练数据的主要代表特征。

4.如权利要求3所述的方法,所述方法还包括:

通过对所述第一复发风险评估模型的所有训练数据进行分析,获得第一特征向量集合和第二特征向量集合,其中,所述第一特征向量对应于所述第一特征信息,所述第二特征向量对应于所述第二特征信息;

通过对所述第一特征向量集合进行统计分析,获得第一代表特征向量集合;

通过对所述第二特征向量集合进行统计分析,获得第二代表特征向量集合;

根据所述第一代表特征向量集合和所述第二代表特征向量集合,生成所述第一代表特征信息。

5.如权利要求1所述的方法,所述方法还包括:

根据第一医院属性信息,建立第一筛查中心点;

根据所述第一筛查中心点和第一筛查半径,获得第一半径点区域;

根据所述第一筛查档案对所述第一半径点区域中的用户进行筛查,获得第一高复发用户统计信息;

根据所述第一高复发用户统计信息,生成第二筛查统计信息。

6.如权利要求1所述的方法,所述根据所述第一复发风险系数和所述第二复发风险系数,生成第一筛查统计信息,所述方法还包括:

通过对所述第一复发风险系数和所述第二复发风险系数做差值,获得第一系数差值;

根据所述第一系数差值获得所述第一更新特征信息对应的第一风险降幅指数;

判断所述第一风险降幅指数是否处于预设风险降幅指数阈值中;

若所述第一风险降幅指数不处于所述预设风险降幅指数阈值中,获得第一提醒信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海孚慈医疗科技有限公司,未经上海孚慈医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110889830.4/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top