[發(fā)明專(zhuān)利]一種基于隨機(jī)森林算法的腫瘤數(shù)據(jù)統(tǒng)計(jì)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010332980.0
• 申請(qǐng)日: 2020-04-24
• 公開(kāi)（公告）號(hào): CN111524606A
• 公開(kāi)（公告）日: 2020-08-11
• 發(fā)明（設(shè)計(jì)）人: 趙杰;翟運(yùn)開(kāi);馬倩倩;葉明;陳昊天;何賢英;崔芳芳;李明原
• 申請(qǐng)（專(zhuān)利權(quán)）人: 鄭州大學(xué)第一附屬醫(yī)院
• 主分類(lèi)號(hào): G16H50/70
• 分類(lèi)號(hào): G16H50/70;G06K9/62
• 代理公司: 常州佰業(yè)騰飛專(zhuān)利代理事務(wù)所(普通合伙) 32231
• 代理人: 姜曉鈺

1.一種基于隨機(jī)森林算法的腫瘤數(shù)據(jù)統(tǒng)計(jì)方法，其特征在于：包括如下步驟：

步驟1：建立中央服務(wù)器和多個(gè)數(shù)據(jù)采集服務(wù)器，所有數(shù)據(jù)采集服務(wù)器均與中央服務(wù)器通過(guò)互聯(lián)網(wǎng)通信；

數(shù)據(jù)采集服務(wù)器部署在醫(yī)院的各個(gè)科室內(nèi)，用于采集各科室內(nèi)收集到的醫(yī)療數(shù)據(jù)；

步驟2：在中央服務(wù)器中建立數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)庫(kù)模塊、模型建立模塊和圖形化模塊；

步驟3：數(shù)據(jù)采集服務(wù)器向中央服務(wù)器定時(shí)發(fā)送收集到的醫(yī)療數(shù)據(jù)；

中央服務(wù)器獲取到醫(yī)療數(shù)據(jù)后，通過(guò)數(shù)據(jù)預(yù)處理模塊對(duì)醫(yī)療數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，篩選掉缺失值和異常值，得到清洗后醫(yī)療數(shù)據(jù)；

步驟4：數(shù)據(jù)預(yù)處理模塊對(duì)清洗后醫(yī)療數(shù)據(jù)進(jìn)行均值方差歸一化處理，得到待處理醫(yī)療數(shù)據(jù)集；

步驟5：數(shù)據(jù)庫(kù)模塊存儲(chǔ)待處理醫(yī)療數(shù)據(jù)集；

步驟6：模型建立模塊讀取數(shù)據(jù)庫(kù)模塊中的待處理醫(yī)療數(shù)據(jù)集，并根據(jù)以下方法建立風(fēng)險(xiǎn)模型：

步驟S1：以是否患腫瘤作為分層，分別隨機(jī)抽取2/3樣本作為訓(xùn)練集，剩余1/3樣本作為測(cè)試集；

步驟S2：從平衡訓(xùn)練集中，采用bootstrap重抽樣方法有放回地隨機(jī)抽取K個(gè)新的訓(xùn)練樣本集，而每次未被抽到的觀測(cè)構(gòu)成了K個(gè)袋外數(shù)據(jù)(out-of-bag,OOB)，用于評(píng)價(jià)每棵樹(shù)的性能；

步驟S3：設(shè)定經(jīng)過(guò)篩選后特征總數(shù)為M₀，在每一棵決策樹(shù)的任一節(jié)點(diǎn)處隨機(jī)抽取m個(gè)特征(mM₀)，其中通過(guò)最小基尼增益值GiniGain作為決策樹(shù)分類(lèi)方案，選擇一個(gè)最具有分類(lèi)能力、最優(yōu)特征進(jìn)行節(jié)點(diǎn)分裂，由此構(gòu)建K個(gè)分類(lèi)樹(shù){C₁,C₂,…,C_K}作為弱分類(lèi)器：

其中S₁、S₂為樣本集S的兩個(gè)樣本子集，n₁、n₂為兩個(gè)樣本子集的數(shù)量，N為樣本容量。對(duì)于樣本S中的特征，計(jì)算任意可能的特征組合的GiniGain，選擇GiniGain最小的特征值組合作為決策樹(shù)當(dāng)前節(jié)點(diǎn)的最優(yōu)分類(lèi)方案。

步驟S4：使每棵樹(shù)最大限度地生長(zhǎng)，對(duì)數(shù)據(jù)進(jìn)行分類(lèi)；

步驟S5：對(duì)決策樹(shù)進(jìn)行加權(quán)處理，使用袋外數(shù)據(jù)的F1計(jì)算每個(gè)決策樹(shù)的分類(lèi)正確程度，根據(jù)以下公式對(duì)弱分類(lèi)器賦予權(quán)重：

其中，oobF1(i)表示第i棵決策樹(shù)的袋外數(shù)據(jù)的F1值，其為精度和召回率的調(diào)和平均；

步驟S6：基于步驟S4的方法加權(quán)投票法集成K棵決策樹(shù)分類(lèi)結(jié)果；

步驟S7：遍歷決策樹(shù)個(gè)數(shù)K，特征數(shù)目m組合，基于運(yùn)算效率與OOB錯(cuò)誤率最小化準(zhǔn)則，采用網(wǎng)格搜索算法與十折交叉驗(yàn)證法，將K與m劃分網(wǎng)格，通過(guò)搜索每個(gè)網(wǎng)格中的參數(shù)進(jìn)行參數(shù)確定和優(yōu)化；

步驟S8：向訓(xùn)練好的隨機(jī)森林模型中導(dǎo)入測(cè)試集，輸出測(cè)試集結(jié)果，得到混淆矩陣，通過(guò)敏感度Sensitivity、特異性Specificity、準(zhǔn)確率Accuracy、G-mean和受試者工作特征曲線ROC下面積AUC指標(biāo)評(píng)估分類(lèi)器性能；

步驟7：圖形化模塊將步驟S8得出的分類(lèi)器性能結(jié)果通過(guò)圖形或表格的形式進(jìn)行展示。

2.如權(quán)利要求1所述的一種基于隨機(jī)森林算法的腫瘤數(shù)據(jù)統(tǒng)計(jì)方法，其特征在于：所述醫(yī)療數(shù)據(jù)包括腫瘤數(shù)據(jù)。

3.如權(quán)利要求1所述的一種基于隨機(jī)森林算法的腫瘤數(shù)據(jù)統(tǒng)計(jì)方法，其特征在于：在執(zhí)行步驟4時(shí)，數(shù)據(jù)預(yù)處理模塊將清洗后醫(yī)療數(shù)據(jù)作為樣本數(shù)據(jù)，并根據(jù)以下公式對(duì)清洗后醫(yī)療數(shù)據(jù)進(jìn)行均值方差歸一化處理：

其中，樣本數(shù)據(jù)中的最大值是xmax，樣本數(shù)據(jù)中的最小值是xmin，xmax-xmin表示樣本數(shù)據(jù)的極差。