[發(fā)明專利]一種基于梯度提升樹模型的慢性肝病風險評估系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910325378.1
• 申請日: 2019-04-22
• 公開（公告）號: CN110070942A
• 公開（公告）日: 2019-07-30
• 發(fā)明（設(shè)計）人: 賈偉;謝國祥;衛(wèi)潤民;王京曄;陳天璐;李憶濤
• 申請（專利權(quán)）人: 深圳市繪云生物科技有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/50;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開一種基于梯度提升樹模型的慢性肝病風險評估系統(tǒng)，由任務(wù)輸入模塊、數(shù)據(jù)處理模塊和輸出結(jié)果模塊組成，數(shù)據(jù)處理模塊包括梯度提升樹模型模塊和數(shù)據(jù)庫，任務(wù)輸入模塊、梯度提升樹模型模塊、輸出結(jié)果模塊依次連接，梯度提升樹模型模塊包括第一梯度提升樹模型、第二梯度提升樹模型和第三梯度提升樹模型，第一梯度提升樹模型用于預測測試樣本患慢性肝病的概率，第二梯度提升樹模型用于預測測試樣本患肝硬化與肝纖維化的概率，第三梯度提升樹模型用于預測測試樣本肝纖維化所處分期。本發(fā)明旨在實現(xiàn)通過四項指標預測目標患者患慢性肝病、肝纖維化和肝硬化的風險概率，以及預測患者肝纖維化所處分期，為臨床醫(yī)生的診斷及治療提供依據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及慢性肝病風險測試領(lǐng)域，具體涉及一種基于梯度提升樹模型的慢性肝病風險評估系統(tǒng)。

背景技術(shù)

肝纖維化是指各種致病因子導致肝內(nèi)結(jié)締組織增生，如果致病因素不能移除，肝纖維化會進展為肝硬化。肝硬化是指一種或多種致病因子導致肝內(nèi)持續(xù)性肝損壞，病理變化包括肝細胞大面積死亡、殘存肝細胞結(jié)節(jié)狀增生及假小葉的形成。臨床上肝硬化早期無明顯表現(xiàn)，中晚期可表現(xiàn)為腹水、肝癌、上消化道出血、肝性腦病等癥狀，嚴重影響患者生活質(zhì)量。

臨床上對于肝纖維化及肝硬化的診斷主要是通過B超、CT的臨床影像學等檢查，其中肝穿刺活檢等病理學檢查是肝硬化和肝纖維化及分期檢驗的金標準，主要通過穿刺活檢獲得肝組織進行相應的病理分析，該操作假陰性較高，而且會帶給病人心理和生理上的痛苦。

近些年，各種疾病數(shù)據(jù)庫出現(xiàn)及海量的疾病樣本信息的收錄，通過這些海量的信息，選用合適的疾病診斷模型構(gòu)建的方法，對于這些很難通過常規(guī)檢測手段診斷的疾病的診斷提供了可能。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有診斷技術(shù)的不足，提供一種基于梯度提升樹模型的慢性肝病風險評估系統(tǒng)，旨在實現(xiàn)通過四項指標預測目標患者患慢性肝病、肝纖維化和肝硬化的風險概率，以及預測患者患有輕度肝纖維化和重度肝纖維化的風險概率，為臨床醫(yī)生的診斷及治療提供依據(jù)。

本發(fā)明的技術(shù)方案如下：一種基于梯度提升樹模型的慢性肝病風險評估系統(tǒng)，該系統(tǒng)是由任務(wù)輸入模塊、數(shù)據(jù)處理模塊和輸出結(jié)果模塊三部分組成，所述數(shù)據(jù)處理模塊包括梯度提升樹模型模塊和數(shù)據(jù)庫，所述任務(wù)輸入模塊、梯度提升樹模型模塊、輸出結(jié)果模塊依次連接，所述數(shù)據(jù)庫與梯度提升樹模型模塊相連，所述梯度提升樹模型模塊包括第一梯度提升樹模型、第二梯度提升樹模型和第三梯度提升樹模型，所述第一梯度提升樹模型用于預測測試樣本患慢性肝病的概率，第二梯度提升樹模型用于預測測試樣本患肝硬化與肝纖維化的概率，第三梯度提升樹模型用于預測測試樣本肝纖維化所處分期，所述任務(wù)輸入模塊用于輸入測試樣本基礎(chǔ)信息，所述測試樣本基本信息依次通過所述第一梯度提升樹模型、第二梯度提升樹模型和第三梯度提升樹模型測試后，最后通過所述輸出結(jié)果模塊呈現(xiàn)預測結(jié)果；所述第一梯度提升樹模型、第二梯度提升樹模型、第三梯度提升樹模型的構(gòu)建是基于一種迭代的決策回歸樹算法，該決策回歸樹算法是由多顆決策樹組成，所有決策樹的結(jié)論累計獲得最終結(jié)果后，生成多顆回歸樹，每顆回歸樹都是從之前所有決策樹的殘差中學習訓練出來，利用的是決策樹中損失函數(shù)的負梯度值作為決策回歸樹算法中的殘差的近似值，進而擬合一棵提升回歸樹，通過所述提升回歸樹生成梯度提升樹模型。

在上述技術(shù)方案，所述第一梯度提升樹模型、第二梯度提升樹模型、第三梯度提升樹模型的構(gòu)建過程，包括從數(shù)據(jù)庫中提取多個數(shù)據(jù)庫樣本，每個數(shù)據(jù)庫樣本中含有多個特征，采用隨機有放回的選擇數(shù)據(jù)庫樣本來構(gòu)造出多個訓練集和至少一個測試集，所述多個訓練集分別通過一決策樹輸出待檢樣本結(jié)果，再經(jīng)過待檢樣本結(jié)果投票后得出待檢樣本最終結(jié)果，最后根據(jù)所述待檢樣本最終結(jié)果生成多顆回歸樹。