[發明專利]面向不平衡數據的IgA腎病的預測分析系統

在審

• 申請號: 202211294731.2
• 申請日: 2022-10-21
• 公開（公告）號: CN115565681A
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 段立新;劉丹蕾;魏凡越;李文;徐博潤
• 申請（專利權）人: 電子科技大學（深圳）高等研究院
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/20;G16H10/20;G06N3/04;G06N3/08
• 代理公司: 深圳市深可信專利代理有限公司 44599
• 代理人: 劉昌剛

本發明提供了面向不平衡數據的IgA腎病的預測分析系統，涉及數據處理分析技術領域；包括數據收集模塊、數據預處理模塊、數據歸一化模塊、模型訓練模塊以及模型預測模塊；所述數據預處理模塊，連接在數據收集模塊上，對臨床檢查數據和病理檢查數據進行預處理，構成臨床數據F；數據歸一化模塊，連接在數據預處理模塊上，將得到的IgA腎病患者的臨床數據F進行數據歸一化操作；模型訓練模塊，與所述數據歸一化模塊連接，用于訓練面向不平衡數據的IgA腎病預測模型；模型預測模塊，與模型訓練模塊相連接，預測臨床樣本的IgA腎病惡化概率；本發明的有益效果是：提高IgA腎病患者惡化概率的預測效率。

技術領域

本發明涉及數據處理分析技術領域，更具體的說，本發明涉及一種面向不平衡數據的IgA腎病的預測分析系統。

背景技術

IgA全稱指(Immunoglobulin A，即免疫球蛋白A)。IgA腎病是全世界最常見的免疫性腎小球腎炎；各個年齡段都有發病。但到目前為止，IgA腎病的發病的機制尚未得到有效地研究，對于IgA腎病的惡化預測仍依賴于腎活檢這項有創操作，雖然經過醫學治療，能夠取得一定的積極效果，但目前仍有高達20％-30％的患者可能惡化至終末期腎病(尿毒癥)。因此通過神經網絡的深度學習算法，預測患者的IgA腎病的惡化情況，有重要的科學意義和現實意義。

在實際的IgA腎病數據分析中，大多數的臨床樣本呈現出不平衡的數據分布，即：只有小部分的樣本是惡化為終末期腎病(尿毒癥)的，而大多數的患者樣本則是健康的。這種樣本的不平衡的數量分布使得對于用于IgA腎病的神經網絡的訓練非常困難。因為，一方面，數量過多的健康患者樣本使得神經網絡在經過訓練之后過擬合，會更多地將IgA腎病惡化的預測結果偏置到數量大的健康患者樣本；另一方面，數量有限的少量惡化的IgA腎病患者樣本會讓IgA腎病預測模型沒有得到充分的訓練，從而欠擬合，使得對于實際已經惡化的IgA腎病患者的數據分析結果不夠準確。

發明內容

為了克服現有技術的不足，本發明提供一種面向不平衡數據的IgA腎病的預測分析系統。

本發明解決其技術問題所采用的技術方案是：一種面向不平衡數據的IgA腎病的預測分析系統，其改進之處在于，包括數據收集模塊、數據預處理模塊、數據歸一化模塊、模型訓練模塊以及模型預測模塊；

所述的數據收集模塊，采集IgA腎病患者的臨床檢查數據、病理檢查數據以及IgA腎病患者對應的惡化標簽；

所述數據預處理模塊，連接在數據收集模塊上，對臨床檢查數據和病理檢查數據進行預處理，剔除有數據缺失的樣本，得到可用于模型訓練及預測的臨床檢查數據和病例檢查數據，再將兩種數據進行拼接組合，構成臨床數據F；

所述數據歸一化模塊，連接在數據預處理模塊上，將得到的IgA腎病患者的臨床數據F進行數據歸一化操作，得到可用于模型訓練及測試的數據集；

所述的模型訓練模塊，與所述數據歸一化模塊連接，用于訓練面向不平衡數據的IgA腎病預測模型，所述不平衡數據為樣本標簽不平衡的樣本分布；

所述模型預測模塊，與模型訓練模塊相連接，使用面向不平衡數據的IgA腎病預測模型，預測臨床樣本的IgA腎病惡化概率。

在上述的結構中，所述的臨床檢查數據為通過醫療儀器對IgA腎病患者采集血液樣本進行血液檢查和采集尿液樣本進行尿液檢查得到的化驗單數據，包括血肌酐、腎小球濾過率、血壓、尿酸。

在上述的結構中，所述病理檢查數據為通過對IgA腎病患者的腎臟進行切片進行活體檢查得到的與所患腎臟病相關的數據。

在上述的結構中，所述的惡化標簽為判斷IgA腎病是否惡化，判斷標準為是否達到終末期腎病或eGFR下降大于50％，其中eGFR為腎小球濾過率，終末期腎病指eGFR＜15ml/min/1.73m²或開始進行腎臟替代治療的時間持續3個月以上。