【技術實現步驟摘要】
本專利技術一種基于檢測數據的腫瘤內鏡切除難度預測系統，涉及腫瘤分析。
技術介紹
1、現有的關于腫瘤切除難度預測的系統存在以下不足：
2、數據依賴性：現有系統的性能高度依賴于輸入數據的準確性和完整性；如果數據存在誤差或缺失，會導致預測結果的不準確；同時大量冗余的數據還會降低系統的運算能力。
3、技術門檻高：腫瘤內鏡切除難度預測系統涉及復雜的數據處理和分析技術，需要專業的技術團隊進行開發和維護，這對醫院的技術實力和人力資源提出較高要求，限制系統的普及和應用。
4、適用范圍限制：現有系統大多采用機器學習進行腫瘤內鏡切除難度的數據處理，這種方法需要大量的圖像數據或生理數據進行大規模的數據擬合和模型訓練，并且針對某些相似癥狀的腫瘤，現有系統無法做到精準識別，導致適用范圍較窄。
技術實現思路
1、針對現有技術存在的不足，本專利技術目的是提供一種基于檢測數據的腫瘤內鏡切除難度預測系統，旨在解決腫瘤切除難度預測不準確的問題。
2、為了實現上述目的，本專利技術是通過如下的技術方案來實現：一種基于檢測數據的腫瘤內鏡切除難度預測系統包括：
3、病歷獲取模塊：用于獲取目標醫院內全部腫瘤病歷信息，作為參考病歷；提取參考病歷中全部腫瘤患者的腫瘤類型、年齡、性別、治療時間和病變指標含量，得到腫瘤參考數據；
4、病變指標含量包括：腫瘤標志物含量、免疫細胞含量、非免疫細胞含量和肝腎分泌物含量；
5、病歷分析模塊：用于根據治療時間對腫
6、計算腫瘤患者年齡、性別和病變指標含量對治療時間的影響系數，對腫瘤參考數據進行二次分析，構建每種腫瘤的治療時間方程；
7、難度分析模塊：用于根據不同腫瘤患者的病變指標含量，對腫瘤參考數據進行logistic回歸分析，計算每種腫瘤的發病權重，得到腫瘤判斷方程；
8、獲取患者的醫檢報告，并結合每種腫瘤的腫瘤判斷方程和治療時間方程，確定患者的腫瘤類型的治療難度，得到醫檢報告；
9、醫師交互模塊：用于將醫檢報告反饋給醫師；持續獲取患者的醫檢報告，并生成醫檢報告。
10、進一步地，所述病歷分析模塊的工作流程如下：
11、流程a1：統計參考病歷的數量，記作bl；統計參考病歷中全部腫瘤類型的數量，記作zl；
12、統計參考病歷中患第1種腫瘤患者的數量，記作bl（1）；患第2種腫瘤患者的數量，記作bl（2）；以此類推，患第zl種腫瘤患者的數量，記作bl（zl）；
13、其中，bl（1）＋bl（2）＋……＋bl（zl）＝bl；
14、計算（腫瘤患者中）第1種腫瘤的發病率，記作ir（1）；ir（1）的計算式為：ir（1）＝bl（1）/bl；
15、第2種腫瘤的發病率，記作ir（2）；ir（2）的計算式為：ir（2）＝bl（2）/bl；
16、以此類推，第zl種腫瘤的發病率，記作ir（zl）；ir（zl）的計算式為：ir（zl）＝bl（zl）/bl；
17、流程a2：按腫瘤類型對參考病歷進行分組，得到組t1、組t2～組tzl；
18、其中，組t1表示患第1種腫瘤的全部參考病歷；組t2表示患第2種腫瘤的全部參考病歷；以此類推，組tzl表示患第zl種腫瘤的全部參考病歷；
19、將組t1～組tzl中，不同腫瘤患者的治療時間記作to（1,1）、to（1,2）～to（1,bl（1））～to（zl,bl（zl））；
20、其中，to（1,1）表示組t1中第1位腫瘤患者的治療時間；to（1,2）表示組t1中第2位腫瘤患者的治療時間；以此類推，to（1,bl（1））表示組t1中第bl（1）位腫瘤患者的治療時間；to（zl,bl（zl））表示組tzl中第bl（zl）位腫瘤患者的治療時間；
21、流程a3：根據to（1,1）～to（zl,bl（zl）），依次計算每種腫瘤的標準治療時間，得到zt（1）、zt（2）～zt（zl）；
22、其中，zt（1）表示第1種腫瘤的標準治療時間；zt（2）表示第2種腫瘤的標準治療時間；以此類推，zt（zl）表示第zl種腫瘤的標準治療時間；
23、流程a4：根據組t1～組tzl中不同腫瘤患者的年齡、性別和病變指標含量，計算腫瘤患者年齡、性別和病變指標含量對治療時間的影響系數，構建每種腫瘤的治療時間方程，并進入難度分析模塊。
24、進一步地，所述流程a3的具體流程如下：
25、流程a31：根據to（1,1）、to（1,2）～to（1,bl（1））計算第1種腫瘤的標準治療時間，得到zt（1）；
26、計算to（1,1）～to（1,bl（1））的平均值，記作ato（1,-）；
27、流程a32：提取to（1,1）～to（1,bl（1））中的最大值記作mto（1,-），最小值記作lto（1,-）；
28、以[0,1]為誤差范圍，提取to（1,1）～to（1,bl（1））中的眾數記作zto（1,-）；
29、流程a33：以[0,1]為誤差范圍，在to（1,1）～to（1,bl（1））中統計治療時間等于zto（1,-）的腫瘤患者數量，記作tp；
30、在to（1,1）～to（1,bl（1））中，統計治療時間在[lto（1,-），ato（1,-））之間的腫瘤患者數量，記作tp1；統計治療時間在[ato（1,-），mto（1,-）]之間的腫瘤患者數量，記作tp2；
31、流程a34：比較（tp/bl（1））與0.5的大小，確定zt（1）的值；
32、若（tp/bl（1））≥0.5，則zt（1）的值為：zto（1,-）；
33、若（tp/bl（1））＜0.5，則zt（1）的計算式為：
34、；
35、流程a35：重復計算第1種腫瘤標準治療時間的相同流程，計算第2至第zl種的腫瘤標準治療時間，得到zt（2）～zt（zl）。
36、進一步地，所述流程a4的具體流程如下：
37、流程a41：計算組t1中腫瘤患者年齡、性別和病變指標含量對治療時間的影響系數，構建第1種腫瘤的治療時間方程；
38、將組t1中第1位患者的年齡記作y（1,1），腫瘤標志物含量記作tu（1,1），免疫細胞含量記作im（1,1），非免疫細胞含量記作ui（1,1），肝腎分泌物含量記作lk（1,1）；
39、第2位患者的年齡記作y（1,2），腫瘤標志物含量記作tu（1,2），免疫細胞含量記作im（1,2），非免疫細胞含量記作ui（1,2），肝腎分泌物含量記作lk（1,2）；
40、以此類推，第bl（1）位患者的年齡記作y（1,bl（1）），腫瘤標志物含量記作tu（1,bl（1）），免疫細胞含量記作im（1,bl（1）），非免疫細胞含量記作ui（本文檔來自技高網...
【技術保護點】
1.一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述系統包括：
2.根據權利要求1所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述病歷分析模塊的工作流程如下：
3.根據權利要求2所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述流程A3的具體流程如下：
4.根據權利要求2所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述流程A4的具體流程如下：
5.根據權利要求4所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述流程A43的后續流程如下：
6.根據權利要求2所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述難度分析模塊的工作流程如下：
7.根據權利要求6所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述流程B3的具體流程如下：
8.根據權利要求7所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述流程B32的后續流程如下：
9.根據權利要求8所述的一種基于檢測數據
...【技術特征摘要】
1.一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述系統包括：
2.根據權利要求1所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述病歷分析模塊的工作流程如下：
3.根據權利要求2所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述流程a3的具體流程如下：
4.根據權利要求2所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征在于，所述流程a4的具體流程如下：
5.根據權利要求4所述的一種基于檢測數據的腫瘤內鏡切除難度預測系統，其特征...
【專利技術屬性】
技術研發人員：李運軍，李文德，劉寧，張鵬，張洪鈿，夏小雨，羅永春，戴以武，
申請(專利權)人：中國人民解放軍總醫院第七醫學中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。