消化道粘膜下肿瘤内镜治疗预后的辅助判定系统及设备

医药医疗技术的改进;医疗器械制造及应用技术1.本发明属于治疗预后辅助判定系统技术领域，尤其涉及一种消化道粘膜下肿瘤内镜治疗预后的辅助判定系统及设备。背景技术：2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。3.内镜切除术是消化道粘膜下肿瘤的推荐治疗方式。然而，内镜切除术仍然面临许多挑战，包括手术难度、术后恢复及花费。更大的手术难度常通过更长的手术时间体现，也往往伴随更多的并发症和后续治疗。随着超声内镜的发展和普及，其参数逐渐被用于辅助预测内镜手术相关风险。4.然而，发明人发现，目前在超声内镜应用于预测内镜切除术相关风险及预后方面，仍存在以下问题：(1)较多超声内镜参数的预测作用仍不明确。(2)相关研究局限于粘膜下肿瘤的特定种类、部位、所用切除术式等。(3)超声内镜对于内镜医生仍是一项复杂的技术，参数繁多、图像模糊、异质性等因素往往引起参数遗漏和流程复杂化。技术实现要素：5.为了解决上述背景技术中存在的技术问题，本发明提供一种消化道粘膜下肿瘤内镜治疗预后的辅助判定系统及设备，其采用多个临床结局概率通过超声内镜检查基础资料全部预测的技术手段，获得临床环境下对患者预后参考的快捷推测的效果，通过ai图像识别结果验证超声内镜检查基础资料的可信度，进而提高预测临床结局概率的准确性。6.为了实现上述目的，本发明采用如下技术方案：7.本发明的第一个方面提供一种消化道粘膜下肿瘤内镜治疗预后的辅助判定系统，其包括：8.可信度验证模块，其用于根据超声内镜图像，对患者临床数据进行可信度验证；9.数据分类模块，其用于将可信患者临床数据的特征属性进行分类处理；10.数据编码模块，其用于将可信患者临床数据类别及预后临床结局进行编码；11.数据建模模块，其用于根据历史超声内镜病历数据和数据分类模块处理得到的数据进行建模，得到各个临床数据类别的系数和计算平衡系数；12.辅助判定模块，其用于基于各个临床数据类别的系数和计算平衡系数，编码为预测预后临床结局发生的概率。13.本发明的第二个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：14.根据超声内镜图像，对患者临床数据进行可信度验证；15.将可信患者临床数据的特征属性进行分类处理；16.将可信患者临床数据类别及预后临床结局进行编码；17.根据历史超声内镜病历数据和数据分类模块处理得到的数据进行建模，得到各个临床数据类别的系数和计算平衡系数；18.基于各个临床数据类别的系数和计算平衡系数，编码为预测预后临床结局发生的概率。19.本发明的第三个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：20.根据超声内镜图像，对患者临床数据进行可信度验证；21.将可信患者临床数据的特征属性进行分类处理；22.将可信患者临床数据类别及预后临床结局进行编码；23.根据历史超声内镜病历数据和数据分类模块处理得到的数据进行建模，得到各个临床数据类别的系数和计算平衡系数；24.基于各个临床数据类别的系数和计算平衡系数，编码为预测预后临床结局发生的概率。25.与现有技术相比，本发明的有益效果是：26.本发明通过超声内镜检查基础资料辅助预测临床结局概率的技术手段，获得简便易行地为内镜医师和患者提供预后参考的效果；27.本发明通过采用多个临床结局概率通过一次超声内镜检查基础资料全部预测的技术手段，获得临床环境下对患者预后参考的快捷推测的效果；28.本发明采用多个临床结局概率通过一次超声内镜检查基础资料全部预测的技术手段，获得临床环境下对患者预后参考的快捷推测的效果。29.本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明30.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。31.图1是本发明消化道粘膜下肿瘤内镜治疗预后的辅助判定系统示意图；32.图2是本发明消化道粘膜下肿瘤内镜治疗预后的辅助判定流程示意图。具体实施方式33.下面结合附图与实施例对本发明作进一步说明。34.应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。35.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。36.实施例一37.如图1-图2所示，本实施例提供了一种消化道粘膜下肿瘤内镜治疗预后的辅助判定系统，其包括：38.数据获取模块，其用于获取临床数据和其对应的超声内镜图像数据；39.可信度验证模块，其用于根据超声内镜图像，对患者临床数据进行可信度验证；40.所述可信度验证模块包括病灶识别模块、数字离散化模块和病灶验证模块；41.所述病灶识别模块，其用于基于超声内镜图像和病灶识别模型得到内镜图像病灶识别结果；42.所述病灶识别模块包括消化道病灶部位识别模块、病灶大小识别模块以及病灶形态识别模块，对应输出的结果为：消化道病灶部位、病灶大小以及病灶形态。43.所述病灶部位识别模块用于通过将内镜操作过程中实时获取的消化道图像传送至消化道部位识别模型，实时输出内镜在消化道的部位：食管、胃、结直肠、十二指肠。44.所述病灶形态识别模块用于基于原始超声内镜的病灶图像、掩码图像和实例分割模型得到病灶区域及病灶类别，其中，所述掩码图像通过标注图像中的病灶区域，勾画出病灶轮廓曲线，生成对应的掩码图像数据标识，所述病灶形态包括不规则病灶形态和规则病灶形态。45.所述病灶大小识别模块用于基于超声内镜的图像颜色和轮廓形状特征，提取出超声内镜的内镜图像区域，根据内镜图像区域判断病灶区域大小。46.具体操作：图像二值化处理，基于矩形框的形状特征和图像像素值特征(内镜图像与超声图像的像素值差距很大)提取出内镜图像总区域；再次基于图像像素值特征进行二值化处理、轮廓边界提取得到去除黑边后的内镜图像有效区域。再根据病灶区域大小判断出病灶尺寸类别：病灶大小《2cm和病灶大小》＝2cm。47.数字离散化模块，其用于将内镜图像病灶识别结果和临床数据进行数字离散化表示合并生成自定义特征向量；48.其中，数字离散化模块中，对临床数据进行数字离散化表示的结果如表1所示：49.表1数字离散化表示结果50.[0051][0052]其整体思路为：根据填写的数据和图像判断出的数据，验证填写的是否属实。[0053]一条临床数据和对应的图像，图像调用部位识别模型、病灶识别模型得到这条问卷记录的识别结果以及概率，识别结果数字离散化表示。[0054]再把临床数据数字离散化表示，组合成二分类模型的输入向量，调用二分类模型推断，得到填写数据可信还是不可信。[0055]所述病灶验证模块，其用于根据数字离散化后的自定义特征向量和二分类神经网络模型对临床数据进行分类得到可信度分类结果；可信度分类结果为可信和不可信两种结果。[0056]二分类神经网络模型训练模块用于通过临床数据和内镜图像病灶识别结果进行离散化后合并生成的自定义的特征向量进行训练。[0057]合并生成自定义特征向量：{临床数据_部位数字表示，临床数据_病灶大小数字表示，临床数据_病灶形态数字表示，模型识别_部位数字表示，模型识别_病灶大小数字表示，模型识别_病灶形态数字表示，模型识别_部位概率，模型识别_病灶大小概率，模型识别_病灶形态概率}，已知对应类别：可信数据、不可信数据。[0058]数据分类模块，其用于根据可信的患者临床数据并按照特征属性进行分类处理；[0059]数据编码模块，其用于将临床数据类别及预后临床结局进行编码；[0060]数据建模模块，其用于根据超声内镜病历数据库中的已有数据和数据获取及分类模块处理得到的数据进行建模，得到各个临床数据类别的系数和计算平衡系数；[0061]辅助判定模块，其用于基于各个临床数据类别的系数和计算平衡系数，编码为i的预测预后临床结局发生的概率pi：[0062]pi＝1-1/(1+e^(α1×t1+α2×t2+…+αn×tn+β))[0063]其中，α1,α1……αn分别为n个不同编码的临床数据类别的系数，β为计算平衡系数。[0064]所述数据建模模块，具体包括：[0065]数据集整合模块，其用于将数据获取及分类模块获得的新数据整合已有数据，形成新数据集；[0066]回归模型建立模块，其用于将新数据集中的收集数据录入项为自变量，用于预测的临床结局为因变量建立logistic回归模型；[0067]其基本公式如下：[0068]ln(p/(1-p))＝β+α1×t1+α2×t2+…+αn×tn[0069]其中，α1,α2……αn分别为n个不同编码的临床数据类别的系数，β为计算平衡系数。[0070]参数计算模块，其用于基于logistic回归模型，可以得出不同临床结局对应的临床数据类别的系数α和计算平衡系数β。[0071]其中，表201为临床数据验证表，按照表201进行分类并并赋予一一对应的系统代号。[0072]表201临床数据验证表[0073][0074][0075]表202预测的临床结局[0076]临床结局分类名结局代号手术时长大于60分surgtime发生穿孔perf推荐esd手术esd推荐ese手术ese推荐ster手术ster推荐eftr手术fftr推荐emr手术emr术后创面未处理或仅止血blos术后创面夹闭occ术后住院时间大于7天hosp总费用高于平均totf治疗费高于平均tref西药费高于平均medf耗材费高于平均matf[0077]实施例二[0078]本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：[0079]根据超声内镜图像，对患者临床数据进行可信度验证；[0080]将可信患者临床数据的特征属性进行分类处理；[0081]将可信患者临床数据类别及预后临床结局进行编码；[0082]根据历史超声内镜病历数据和数据分类模块处理得到的数据进行建模，得到各个临床数据类别的系数和计算平衡系数；[0083]基于各个临床数据类别的系数和计算平衡系数，编码为预测预后临床结局发生的概率。[0084]实施例三[0085]本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：[0086]根据超声内镜图像，对患者临床数据进行可信度验证；[0087]将可信患者临床数据的特征属性进行分类处理；[0088]将可信患者临床数据类别及预后临床结局进行编码；[0089]根据历史超声内镜病历数据和数据分类模块处理得到的数据进行建模，得到各个临床数据类别的系数和计算平衡系数；[0090]基于各个临床数据类别的系数和计算平衡系数，编码为预测预后临床结局发生的概率。[0091]本发明是参照本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0092]以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!