[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

本發(fā)明屬于乳腺癌預(yù)測技術(shù)領(lǐng)域，尤其涉及基于bagging算法的乳腺癌預(yù)測方法，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(rèn)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25?70歲122058名女性的乳腺疾病流行病學(xué)研究數(shù)據(jù)，記錄病例?對照數(shù)據(jù)備份，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。該基于bagging算法的乳腺癌預(yù)測方法，通過集成學(xué)習(xí)建立了一個有效的預(yù)測乳腺癌患病風(fēng)險的模型，幫助醫(yī)護人員預(yù)測處于乳腺癌的患者，及時并準(zhǔn)確地對高危人群采取針對性的措施，這將有助于乳腺癌的輔助診斷和預(yù)防，為智能診斷作出貢獻。

技術(shù)領(lǐng)域

本發(fā)明涉及乳腺癌預(yù)測技術(shù)領(lǐng)域，具體為基于bagging算法的乳腺癌預(yù)測系統(tǒng)。

背景技術(shù)

惡性腫瘤(癌癥)已經(jīng)成為嚴(yán)重威脅中國人群健康的主要公共衛(wèi)生問題之一，其中乳腺癌為女性癌癥之首。全球乳腺癌發(fā)病率自20世紀(jì)70年代末開始一直呈上升趨勢。由于地區(qū)分布不均衡，乳腺癌防控形勢嚴(yán)峻，防治難度巨大。因此，篩查重要影響因素，建立乳腺癌風(fēng)險評估模型，預(yù)測乳腺癌發(fā)生概率，對乳腺癌的防治具有重要意義。常用乳腺癌風(fēng)險模型包括：BOADICEA、BRCAPRO、BCRAT和IBIS。BOADICEA基于2785個家系進行更新，分離出537個BRCA1或BRCA2突變，能夠針對多基因多癌癥進行風(fēng)險評估。BRCAPRO模型基于301個BRCA基因突變檢測家族的數(shù)據(jù)，對基因外顯功能進行了調(diào)整，充分考慮了家族史的重要性，但是忽略了Gail模型涉及的非家族史信息。Gail模型在1989年首次提出，是目前最為精確、權(quán)威、常用的乳腺癌風(fēng)險評估模型。BCRAT模型即為改良Gail模型，目前也被美國癌癥研究所(NCI)采用，作為乳腺癌風(fēng)險評估工具模型。IBIS模型也稱Tyrer-Cuzick模型，能夠評估具有非典型增生的女性未來10年發(fā)展為乳腺癌的概率，但在個體層面上不能明確區(qū)分是否發(fā)生浸潤性乳腺癌，顯著高估了非典型婦女乳腺癌的風(fēng)險。由于基因序列檢測成本較高，考慮到醫(yī)療資源有限，特別是在我國農(nóng)村地區(qū)，迫切需要一種適合一般人群篩查的風(fēng)險預(yù)測模型。

近年來，機器學(xué)習(xí)算法在醫(yī)療領(lǐng)域的應(yīng)用頻率和研究深度增長迅速，已經(jīng)有學(xué)者應(yīng)用機器學(xué)習(xí)算法實現(xiàn)對部分疾病患病率的預(yù)測，且效果顯著，集成學(xué)習(xí)是機器學(xué)習(xí)算法中較有特點的一類，它是按照將弱分類器集成為強分類器的思路來組合基礎(chǔ)模型，集成學(xué)習(xí)模型除了在穩(wěn)定性和泛化能力上相比傳統(tǒng)模型表現(xiàn)突出，在最終的預(yù)測準(zhǔn)確率上也相對較高。

疾病預(yù)測在根據(jù)真實數(shù)據(jù)建模的過程中，往往會遇到數(shù)據(jù)質(zhì)量差、缺失值較多等問題，在數(shù)據(jù)預(yù)處理過程中，選擇怎樣的處理方式將使預(yù)測精度最高的問題；使用bagging集成學(xué)習(xí)框架并加以改進，以解決樣本標(biāo)簽不足可能會產(chǎn)生的過擬合問題，并使融合后的模型較其他經(jīng)典模型性能表現(xiàn)更好，同時篩選重要特征變量，使得預(yù)測模型在不損失預(yù)測精度的前提下得以簡化，降低計算的復(fù)雜度。

發(fā)明內(nèi)容

(一)解決的技術(shù)問題

針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了使用bagging集成學(xué)習(xí)框架并加以改進，以解決樣本標(biāo)簽不足可能會產(chǎn)生的過擬合問題，并使融合后的模型較其他經(jīng)典模型性能表現(xiàn)更好的問題，同時篩選重要特征變量，使得預(yù)測模型在不損失預(yù)測精度的前提下得以簡化，降低計算的復(fù)雜度等優(yōu)點，解決了疾病預(yù)測在根據(jù)真實數(shù)據(jù)建模的過程中，往往會遇到數(shù)據(jù)質(zhì)量差、缺失值較多等問題，在數(shù)據(jù)預(yù)處理過程中，選擇怎樣的處理方式將使預(yù)測精度最高的問題。

(二)技術(shù)方案

為實現(xiàn)上述預(yù)測模型在不損失預(yù)測精度的前提下得以簡化、降低計算的復(fù)雜度等目的，解決疾病預(yù)測在根據(jù)真實數(shù)據(jù)建模的過程中，往往會遇到數(shù)據(jù)質(zhì)量差、缺失值較多等問題，本發(fā)明提供如下技術(shù)方案：基于bagging算法的乳腺癌預(yù)測系統(tǒng)，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