[發(fā)明專利]基于bagging算法的乳腺癌預(yù)測系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110203468.0
• 申請日: 2021-02-23
• 公開（公告）號: CN112927795B
• 公開（公告）日: 2022-09-23
• 發(fā)明（設(shè)計）人: 余之剛;何勇;劉麗媛;考春雨;王斐;楊芙;范葉葉
• 申請（專利權(quán)）人: 山東大學(xué)
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70
• 代理公司: 濟南聯(lián)合竟成知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 37371
• 代理人: 田相迪

1.基于bagging算法的乳腺癌預(yù)測系統(tǒng)，其特征在于，包括處理單元，處理單元執(zhí)行以下步驟：

S1、病例-對照數(shù)據(jù)收集

基于乳腺癌防治相關(guān)知識設(shè)計調(diào)查問卷，問卷包含被認為對乳腺癌有影響的特征變量，通過該問卷收集來自中國三省一市122058名25-70歲女性的真實數(shù)據(jù)，記錄病例-對照數(shù)據(jù)備份；

S2、數(shù)據(jù)處理

對問卷收集來的數(shù)據(jù)進行數(shù)據(jù)清洗，刪除重復(fù)信息以及缺失值或異常值過多的無效樣本和特征變量，選取合適的統(tǒng)一指標(biāo)填充其余缺失值，處理后的全部特征變量作為模型的輸入變量；

S3、簡單預(yù)測模型構(gòu)建

將步驟S2、數(shù)據(jù)處理中得到的樣本數(shù)據(jù)集劃分為樣本訓(xùn)練集和樣本驗證集；對于樣本訓(xùn)練集，通過bootstrap法采樣獲得T個采樣集，分別建立懲罰邏輯回歸乳腺癌預(yù)測模型，并分別對樣本驗證集進行預(yù)測；

S4、模型融合

在步驟S3、簡單預(yù)測模型構(gòu)建中，使用簡單平均法，對T個懲罰邏輯回歸乳腺癌預(yù)測模型得到的回歸結(jié)果進行算術(shù)平均作為最終模型輸出的乳腺癌預(yù)測概率，訓(xùn)練出最終預(yù)測模型；

S5、篩選重要特征變量

根據(jù)步驟S3、簡單預(yù)測模型構(gòu)建中的T個懲罰邏輯回歸乳腺癌預(yù)測模型得到的每個特征變量的回歸系數(shù)，使用合適的方式給予每個特征變量一個得分，根據(jù)得分，篩選出對乳腺癌預(yù)測影響最大的幾個特征變量，來構(gòu)成特征子集，作為模型的又一輸入變量，重復(fù)步驟S3、S4，得到預(yù)測效果好且計算復(fù)雜度低的簡化模型；

S6、融合模型與其他經(jīng)典模型預(yù)測性能分析與對比

由步驟S2、數(shù)據(jù)處理中得到的樣本訓(xùn)練集訓(xùn)練其他經(jīng)典預(yù)測模型：Gail’s邏輯回歸模型、BCRAM，將步驟S4、模型融合中的預(yù)測結(jié)果與其他兩種經(jīng)典預(yù)測模型預(yù)測結(jié)果進行匯總，對AUC值進行比較，驗證融合模型的預(yù)測表現(xiàn)是否優(yōu)于其他模型；

所述步驟S4中，將得到的T個懲罰邏輯回歸乳腺癌預(yù)測模型進行融合，將模型數(shù)據(jù)參數(shù)進行調(diào)優(yōu)，再得到最終預(yù)測效果最好的模型；

所述步驟S5中，依據(jù)T個懲罰邏輯回歸乳腺癌預(yù)測模型得到的每個特征變量的回歸系數(shù)，得出每個特征變量作為篩選后變量的次數(shù)作為得分；并依據(jù)迭代次數(shù)和特征數(shù)目參數(shù)給定適當(dāng)閾值，得分高于閾值的特征作為重要特征變量；

所述步驟S6中，將T個懲罰邏輯回歸乳腺癌預(yù)測模型融合的模型和其他經(jīng)典模型的預(yù)測結(jié)果進行匯總，比較AUC值，驗證融合模型是否優(yōu)于其他經(jīng)典模型；

所述步驟S1中在問卷調(diào)查過程中，將被調(diào)查人員的包含到不同的年齡階段，且被調(diào)查人員不單單為女性，也可為男性。

2.根據(jù)權(quán)利要求1所述的基于bagging算法的乳腺癌預(yù)測系統(tǒng)，其特征在于，所述步驟S2中將處理后的全部特征變量作為模型輸入變量前，將處理后的數(shù)據(jù)進行重新備份，備份后直接收錄在山東大學(xué)第二醫(yī)院乳腺癌外科專病數(shù)據(jù)庫內(nèi)。