[發(fā)明專利]一種深肌層浸潤數(shù)據(jù)預(yù)測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110487110.5
• 申請日: 2021-05-04
• 公開（公告）號: CN113178264A
• 公開（公告）日: 2021-07-27
• 發(fā)明（設(shè)計）人: 林鳳;易新凱;唐震洲;周銘琰;黎瑋
• 申請（專利權(quán)）人: 溫州醫(yī)科大學(xué)附屬第一醫(yī)院
• 主分類號: G16H50/70
• 分類號: G16H50/70
• 代理公司: 溫州名創(chuàng)知識產(chǎn)權(quán)代理有限公司 33258
• 代理人: 陳加利

1.一種深肌層浸潤數(shù)據(jù)預(yù)測方法，其特征在于，包括以下步驟：

步驟S1、獲取深肌層浸潤數(shù)據(jù)集和深肌層非浸潤數(shù)據(jù)集來形成樣本數(shù)據(jù)，并將所獲取的樣本數(shù)據(jù)進行缺失值處理之后作為原始樣本數(shù)據(jù)；

步驟S2、取出所述原始樣本數(shù)據(jù)的特征值和預(yù)測值，并選擇預(yù)設(shè)的Borderline-Smote模型，對所述原始樣本數(shù)據(jù)進行不平衡數(shù)據(jù)處理；

步驟S3、將不平衡數(shù)據(jù)處理得到的樣本數(shù)據(jù)與所述原始樣本數(shù)據(jù)進行混合，得到一個新樣本數(shù)據(jù)集并進行歸一化處理，且進一步將歸一化處理的新樣本數(shù)據(jù)劃分成測試集和多個訓(xùn)練集；

步驟S4、選取隨機森林的決策樹為CART類型，并分別訓(xùn)練每一個劃分好的訓(xùn)練集，得到每一個訓(xùn)練集相對應(yīng)的CART決策樹模型；

步驟S5、利用特征的重要性，對每一個CART決策樹模型中的所有特征均進行評估，得到每一個CART決策樹模型中滿足預(yù)定條件的特征集；

步驟S6、通過基尼指數(shù)的對比選出最優(yōu)特征來對所有的CART決策樹模型中滿足所述預(yù)設(shè)條件的特征集進行分支處理，得到所有CART決策樹模型經(jīng)過分支處理后的決策樹，并形成隨機森林；其中，將選出的最優(yōu)特征按照基尼指數(shù)從大到小的順序進行剪枝排序，且所選的最優(yōu)特征均是深肌層浸潤數(shù)據(jù)區(qū)別于深肌層非浸潤數(shù)據(jù)的關(guān)鍵特征；

步驟S7、獲取待測試數(shù)據(jù)集，將所述待測試數(shù)據(jù)集導(dǎo)入到訓(xùn)練好的隨機森林模型中，區(qū)別出所述待測試數(shù)據(jù)集為深肌層浸潤數(shù)據(jù)集或深肌層非浸潤數(shù)據(jù)集。

2.如權(quán)利要求1所述的深肌層浸潤數(shù)據(jù)預(yù)測方法，其特征在于，在所述步驟S2中，所述選擇預(yù)設(shè)的Borderline-Smote模型，對所述原始樣本數(shù)據(jù)進行不平衡數(shù)據(jù)處理的具體步驟包括：

第一步、獲取整個數(shù)據(jù)集，記為訓(xùn)練集T；其中，深肌層浸潤數(shù)據(jù)集記為P，深肌層非浸潤數(shù)據(jù)集記為N；其中，P＝{p₁，p₂，...p_pnum}，N＝{n₁，n₂，...,n_nnum}；pnum和nnum分別是深肌層浸潤數(shù)據(jù)集和深肌層非浸潤數(shù)據(jù)集各自對應(yīng)的數(shù)量；

第二步、對于深肌層浸潤數(shù)據(jù)集P中的每一個樣本p_i(i＝1,2,...,pnum)，計算出整個訓(xùn)練集T中它的m個近鄰；其中，m個近鄰中深肌層非浸潤數(shù)據(jù)集N的個數(shù)用m′(0≤m′≤m)表示；

第三步、如果m′＝m，則樣本p_i被認為是噪聲；如果0≤m′≤m/2，則樣本p_i被認為是安全數(shù)據(jù)集T_safe；如果m/2≤m′≤m，則樣本p_i被認為是錯誤類別樣本，并把樣本p_i放到危險數(shù)據(jù)集T_danger中；

第四步、設(shè)置危險數(shù)據(jù)集T_danger且并對危險數(shù)據(jù)集T_danger中的每個實例樣本p′_i，均計算出對應(yīng)深肌層浸潤數(shù)據(jù)集P中的k個近鄰；其中，T_danger＝{p′₁,p′₂,...,p′_dnum}，且0≤dnum≤pnum；

第五步、對于每個實例樣本p′_i，均隨機從深肌層浸潤數(shù)據(jù)集P中對應(yīng)計算的k個近鄰中選出s個，并計算出每個實例樣本p′_i和對應(yīng)選出的s個近鄰的距離dif_j(j＝1,2...,s)，進一步用dif_j乘于一個介于0～1之間的隨機數(shù)r_j，產(chǎn)生一個新的少數(shù)例樣本synthetic_j；其中，synthetic_j的計算公式為synthetic_j＝p′_i+r_j×dif_j(j＝1,2,...s)；

第六步，重復(fù)執(zhí)行第四步和第五步；其中，對于每個實例樣本p′_i，均得到s×dnum個新的少數(shù)例樣本synthetic。