[發(fā)明專利]一種篩查消化系統(tǒng)腫瘤的方法

在審

• 申請?zhí)枺?/td>: 202211038137.7
• 申請日: 2022-08-29
• 公開（公告）號: CN115346663A
• 公開（公告）日: 2022-11-15
• 發(fā)明（設計）人: 王正;季凱
• 申請（專利權）人: 王正;季凱
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種篩查消化系統(tǒng)腫瘤的方法，其特征在于，包括：

獲取臨床檢驗數(shù)據(jù)年齡、性別、全血細胞檢查數(shù)據(jù)、血清學檢查數(shù)據(jù)、AFP、CEA檢查結果以及疾病診斷情況；

通過量子遺傳算法篩選構建最優(yōu)學習樣本；

利用最優(yōu)學習樣本訓練機器學習算法模型，得到消化系統(tǒng)腫瘤篩查模型；

利用消化系統(tǒng)腫瘤篩查模型篩查消化系統(tǒng)腫瘤。

2.根據(jù)權利要求1所述的一種篩查消化系統(tǒng)腫瘤的方法，其特征在于，處理臨床數(shù)據(jù)，將同一人的72小時內(nèi)的全血細胞檢查數(shù)據(jù)、生化檢查數(shù)據(jù)、AFP、CEA檢查結果作為一組臨床檢驗數(shù)據(jù)。

3.根據(jù)權利要求1所述的一種篩查消化系統(tǒng)腫瘤的方法，其特征在于，對臨床檢驗數(shù)據(jù)進行分組，分為五組，即健康組、消化道腔內(nèi)腫瘤組、肝癌組、對照惡性腫瘤組、高發(fā)疾病組，其中，健康組不包含重大疾病患者；消化道腔內(nèi)腫瘤組包括胃癌、結直腸癌、食管癌；對照惡性腫瘤組包括排除消化道腔內(nèi)腫瘤組和肝癌外的其他惡性腫瘤；高發(fā)疾病組包括除惡性腫瘤外的其他常見疾病。

4.根據(jù)權利要求3所述的一種篩查消化系統(tǒng)腫瘤的方法，其特征在于，將臨床檢驗數(shù)據(jù)分為訓練數(shù)據(jù)集和測試數(shù)據(jù)集，其中測試數(shù)據(jù)集按照真實的疾病發(fā)病率創(chuàng)建。

5.根據(jù)權利要求4所述的一種篩查消化系統(tǒng)腫瘤的方法，其特征在于，通過量子遺傳算法建立訓練數(shù)據(jù)集，計算五個分組人員的最佳選取比例，生成最優(yōu)訓練數(shù)據(jù)集，包括：

隨機初始化量子比特編碼的染色體，測量每個染色體個體的確定解；

根據(jù)確定解對應的五個分組人員的選取比例，生成訓練數(shù)據(jù)集；

使用機器學習算法生成對應的篩查模型，用篩查模型檢驗測試數(shù)據(jù)；

將檢驗結果中，消化道腔內(nèi)腫瘤組和肝癌組的平均F1值定義為適應度函數(shù)值；

對各確定解進行適應度評估，利用量子旋轉門對染色體實施調(diào)整，得到新的種群，進行以上迭代計算，獲取最優(yōu)染色體和對應的適應度，生成最優(yōu)學習樣本。

6.根據(jù)權利要求5所述的一種篩查消化系統(tǒng)腫瘤的方法，其特征在于，利用最優(yōu)學習樣本訓練機器學習算法模型，優(yōu)化機器學習超參數(shù)，選擇在測試數(shù)據(jù)集檢驗結果中，消化道腔內(nèi)腫瘤組和肝癌組的平均F1值最高的參數(shù)，建立消化系統(tǒng)腫瘤篩查模型；使用消化系統(tǒng)腫瘤篩查模型篩查胃癌、結直腸癌、食管癌、肝癌。