本发明属于病例分析，具体涉及一种基于肺癌诊疗的病例分析辅助系统。
背景技术：
1、基于肺癌诊疗的病例分析辅助系统是一项集成了医学影像处理技术、人工智能技术、机器学习技术和数据挖掘技术的多学科系统。这一系统旨在通过高精度的医学图像分析辅助医生在肺癌的早期诊断和治疗中做出更精确的判断。医学影像处理技术使得系统能够从ct扫描等检查中提取有价值的信息，而人工智能和机器学习技术则负责分析和解释这些数据，以识别肺部病变和其他相关指标。
2、然而，这类系统的发展面临一些技术性挑战。首要问题是获取高质量、大量的医学影像数据用于机器学习模型的训练。在实际情况中，医学影像数据常受到噪声干扰，可能存在缺失值，且数据的量级往往无法满足训练需求。此外，机器学习模型通常需要大量数据以避免过拟合，并确保模型具有足够的泛化能力，以便在新的数据上也能表现良好。因此，数据质量和数量的局限性是当前技术主要面临的障碍之一。
技术实现思路
1、为解决现有技术的不足，本发明的目的在于提供一张基于肺癌诊疗的病例分析辅助系统，有助于提高肺结节样本的标注准确性，根据自动化处理过程可以处理无限数量的样本，克服人工标注在质量和数量上的限制。
2、为了实现上述目标，本发明采用如下的技术方案：
3、基于肺癌诊疗的病例分析辅助系统，包括：
4、病例数据预处理模块，用于对医学影像数据进行清洗、标准化和增强，以去除噪声、校正失真和填补缺失值，使用医学影像处理技术如分割、分类和特征提取，将原始医学图像转化为可用于进一步分析的结构化信息；
5、病例数据特征提取模块，用于采集病例分析准确性数据、病例扩充数据和模型泛化能力数据，进行编号；
6、病例数据验证模块，通过网络连接病例数据特征提取模块，根据病例数据特征提取模块采集的病例分析准确性数据、病例扩充数据和模型泛化能力数据分别计算准确率改进值xv、数据获取扩充率yv和模型泛化能力提升指数rv；
7、病例智能决策模块，通过网络连接病例数据验证模块，根据准确率改进值xv与数据获取扩充率yv改进病例准确性和扩充病例数据量。
8、优选地，前述病例数据特征提取模块包括：
9、病例分析准确性单元，通过医院互联网客户端采集病例分析准确性数据，并进行编号，通过网络与病例数据验证模块连接；
10、病例扩充单元，通过医院互联网客户端采集病例扩充数据，并进行编号，通过网络与病例数据验证模块连接；
11、模型泛化能力单元，通过医院互联网客户端采集模型泛化能力数据，并进行编号，通过网络与病例数据验证模块连接。
12、优选地，前述病例分析准确性单元根据病例分析准确性数据特征对原始标注方法下标注的总肺结节样本数、原始标注方法下的正确标注的肺结节样本数、经过智能辅助标注方法下正确标记的肺结节样本数和经过智能辅助标注方法下标注的总肺结节样本数进行数据编号，所述原始标注方法下标注的总肺结节样本数、原始标注方法下的正确标注的肺结节样本数、经过智能辅助标注方法下正确标记的肺结节样本数和经过智能辅助标注方法下标注的总肺结节样本数分别编号为m1、m2、m3、m4。
13、优选地，前述病例数据验证模块包括：
14、数据准确性提升单元，根据病例分析准确性数据计算准确率改进值xv；
15、数据量扩充单元，根据病例扩充数据计算数据获取扩充率yv；
16、模型泛化能力增强单元，根据模型泛化能力数据计算模型泛化能力提升指数rv。
17、优选地，前述数据准确性提升单元对于准确率改进值xv的计算公式为：
18、
19、公式中，m1、m2、m3、m4分别表示原始标注方法下标注的总肺结节样本数、原始标注方法下的正确标注的肺结节样本数、经过智能辅助标注方法下正确标记的肺结节样本数和经过智能辅助标注方法下标注的总肺结节样本数，表示智能标注准确率，表示原始标注准确率。
20、优选地，前述病例扩充单元根据病例扩充数据特征对原始数据量、辅助数据量和远程医疗系统数据量进行数据量编号，所述原始数据量编号为u1、u2、u3、…un，所述辅助数据量编号为ur1、ur2、ur3、…urn，所述远程医疗系统数据量编号为ue1、ue2、ue3、…uen。
21、优选地，前述数据量扩充单元对于数据获取扩充率yv的计算公式为：
22、
23、公式中，yv表示数据获取扩充率，u1、u2、u3、…un表示原始数据量，ur1、ur2、ur3、…urn表示辅助数据量，ue1、ue2、ue3、…uen表示远程医疗系统数据量。
24、优选地，前述模型泛化能力单元根据模型泛化能力数据特征对多个不同医疗环境下模型正确识别的样本数、多个不同医疗环境下总样本数、单一医疗环境下模型正确识别的样本数和单一医疗环境下总样本数进行编号，所述多个不同医疗环境下模型正确识别的样本数、多个不同医疗环境下总样本数、单一医疗环境下模型正确识别的样本数和单一医疗环境下总样本数编号为k1、k2、k3、k4。
25、优选地，前述模型泛化能力增强单元对于模型泛化能力提升指数rv的计算公式为：
26、
27、公式中，rv表示模型泛化能力提升指数，k1、k2、k3、k4分别表示多个不同医疗环境下模型正确识别的样本数、多个不同医疗环境下总样本数、单一医疗环境下模型正确识别的样本数和单一医疗环境下总样本数，表示多环境适应性准确率，表示单环境准确率。
28、优选地，还包括：病例智能管理模块，通过网络与病例智能决策模块连接，根据模型泛化能力提升指数rv对病例分析准确性单元、病例扩充单元和模型泛化能力单元进行参数管理。
29、本发明的有益之处在于：本发明的病例智能决策模块通过计算准确率改进值xv能自动对智能辅助标注方法进行有效评估，有助于提高肺结节样本的标注准确性，根据自动化处理过程可以处理无限数量的样本，从而克服了人工标注在质量和数量上的限制；通过计算数据获取扩充率yv，有助于评估通过引入辅助数据和远程医疗系统数据后的数据量扩充效果，从而解决数据质量和数量的局限性问题；通过计算模型泛化能力提升指数rv有助于评估辅助模型在不同医疗环境下的泛化能力，确保辅助模型在实际应用中的可靠性和有效性，通过比较不同环境下的准确率，可以测评辅助模型对环境变化的适应性，从而进一步指导辅助模型的优化改良方案。
1.基于肺癌诊疗的病例分析辅助系统，其特征在于，包括：
2.根据权利要求1所述的基于肺癌诊疗的病例分析辅助系统，其特征在于，所述病例数据特征提取模块包括：
3.根据权利要求2所述的基于肺癌诊疗的病例分析辅助系统，其特征在于，所述病例分析准确性单元根据病例分析准确性数据特征对原始标注方法下标注的总肺结节样本数、原始标注方法下的正确标注的肺结节样本数、经过智能辅助标注方法下正确标记的肺结节样本数和经过智能辅助标注方法下标注的总肺结节样本数进行数据编号，所述原始标注方法下标注的总肺结节样本数、原始标注方法下的正确标注的肺结节样本数、经过智能辅助标注方法下正确标记的肺结节样本数和经过智能辅助标注方法下标注的总肺结节样本数分别编号为m1、m2、m3、m4。
4.根据权利要求3所述的基于肺癌诊疗的病例分析辅助系统，其特征在于，所述病例数据验证模块包括：
5.根据权利要求4所述的基于肺癌诊疗的病例分析辅助系统，其特征在于，所述数据准确性提升单元对于准确率改进值xv的计算公式为：
6.根据权利要求2所述的基于肺癌诊疗的病例分析辅助系统，其特征在于，所述病例扩充单元根据病例扩充数据特征对原始数据量、辅助数据量和远程医疗系统数据量进行数据量编号，所述原始数据量编号为u1、u2、u3、…un，所述辅助数据量编号为ur1、ur2、ur3、…urn，所述远程医疗系统数据量编号为ue1、ue2、ue3、…uen。
7.根据权利要求6所述的基于肺癌诊疗的病例分析辅助系统，其特征在于，所述数据量扩充单元对于数据获取扩充率yv的计算公式为：
8.根据权利要求2所述的基于肺癌诊疗的病例分析辅助系统，其特征在于，所述模型泛化能力单元根据模型泛化能力数据特征对多个不同医疗环境下模型正确识别的样本数、多个不同医疗环境下总样本数、单一医疗环境下模型正确识别的样本数和单一医疗环境下总样本数进行编号，所述多个不同医疗环境下模型正确识别的样本数、多个不同医疗环境下总样本数、单一医疗环境下模型正确识别的样本数和单一医疗环境下总样本数编号为k1、k2、k3、k4。
9.根据权利要求8所述的基于肺癌诊疗的病例分析辅助系统，其特征在于，所述模型泛化能力增强单元对于模型泛化能力提升指数rv的计算公式为：
10.根据权利要求1所述的基于肺癌诊疗的病例分析辅助系统，其特征在于，还包括：病例智能管理模块，通过网络与病例智能决策模块连接，根据模型泛化能力提升指数rv对病例分析准确性单元、病例扩充单元和模型泛化能力单元进行参数管理。
