[发明专利]一种抽样数据检测分析的肺癌预测云平台

说明书

本发明公开了一种抽样数据检测分析的肺癌预测云平台，根据CT学分析获取到结节直径和毛刺征；进行计算得到初步诊断值，再将初步诊断值与对应的阈值判断，是否存在肺癌风险，对应生成高风险信号和低风险信号；当得到分析模块的高风险信号时，获取到患者相关数据报告，并提取到相关联的检查数据，进行计算得到验证值，将验证值进行阈值判断，若大于对应生成样本合格信号，若小于生成样本异常信号；获取到验证模块的样本合格信号，并基于该样本数据情况，对该患者肺癌风险程度整体预测，判断样本肺癌风险危急程度；本发明的肺癌预测云平台，对样本数据进行分析预测，并结合预测得到的紧急程度与治疗时间进行匹配，给予更佳的治疗时间。

技术领域

本发明涉及肺癌风险预测技术领域，具体涉及一种抽样数据检测分析的肺癌预测云平台。

背景技术

肺癌的生存率与诊断时肺癌临床分期密切相关。因为肺癌早期症状不明显，所以诊断时往往已是晚期，丧失了手术治疗机会，预后差；

中国专利CN108876772B公开了一种基于大数据的肺癌图像诊断系统及方法，图像采集模块采用灰度阈值法进行图像分割,并用数学形态学方法对二值图像进行缺陷修补,通过链码跟踪存储轮廓信息,进行具有单像素边缘的图像轮廓提取，获得用户图像数据信息；通过呼气采集模块采集用户呼出的气体；通过体温检测模块检测用户的体温数据；

现有技术中，在医院体系过程中，将会面对大量肺癌患者检查得到的结果数据报告，而目前采用的方式，均为医生按照患者挂号顺序，对报告数据进行一一观看，来判断肺癌患者的病情严重程度，而此方式存在着对样本数据不能有效分析进行初步判断核实，更不能对此样本数据进行肺癌严重情况进行预测，使得患者病情情况与后续看病治疗的时间不能进行很好的匹配，从而影响重症等患者治疗。

发明内容

本发明的目的就在于解决不能对样品进行初步判断核实，更不能对此样本数据进行肺癌严重情况进行预测的问题，而提出一种抽样数据检测分析的肺癌预测云平台。

本发明的目的可以通过以下技术方案实现：

一种抽样数据检测分析的肺癌预测云平台，包括:

采集模块，通过患者CT影像根据CT学分析获取到结节直径和毛刺征，分别对应标记为DJ和ZM；

分析模块，通过公式ZZ＝(a1*DJ+a2*ZM)^a1+a2，计算得到肺癌风险的初步诊断值ZZ；其中，a1、a2均为比例系数；

将得到的肺癌风险的初步诊断值ZZ与肺癌风险的初步诊断阈值进行比较；若肺癌风险的初步诊断值大于肺癌风险的初步诊断阈值时，生成高风险信号；若肺癌风险的初步诊断值小于肺癌风险的初步诊断阈值时，生成低风险信号；

验证模块，当得到分析模块的高风险信号时，获取到患者相关数据报告，并提取到相关联的检查数据，进行计算得到验证系数ZQY，将验证值进行阈值判断，若大于，则对应生成样本合格信号，若小于，则生成样本异常信号；

预测模块，获取到分析模块的初步诊断值ZZ和验证系数ZQY，通过公式计算得到肺癌风险预测值ZY；其中，c1、c2均为比例系数。

作为本发明进一步的方案：验证模块具体工作过程如下：

当得到分析模块的高风险信号时，首先获取到该样本的编号，并基于该样本编号，获取该编号样本的血液中癌胚抗原的浓度、残气量肺总量比值，并分别标记为CA和BF；

通过公式ZYF＝(b1*CA+b2*BF)*e^b1+b2，计算得到肺癌风险验证值ZYF；其中，b1、b2均为比例系数。

作为本发明进一步的方案：获取到该编号样本的历史采集的次数，并标记为i，以及获取到每次采集时所得到的肺癌风险验证值ZYF_i；