[發明專利]一種基于體檢數據的多目標集成學習惡性腫瘤風險預警的方法

在審

• 申請號: 202310122711.5
• 申請日: 2023-02-16
• 公開（公告）號: CN116206760A
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 王正;季凱
• 申請（專利權）人: 王正;季凱
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06N20/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于體檢數據的多目標集成學習惡性腫瘤風險預警的方法，其特征在于，包括：

采集臨床數據構建樣本集；

選擇年齡、性別以及體檢中常用數據作為樣本特征，包括血常規、肝功生化、腎功生化、尿常規、腫瘤標志物；

對樣本集進行數據預處理，選取訓練集、驗證集；

使用多種不平衡樣本機器學習算法構建子模型；

使用多目標優化的集成學習算法建立多個惡性腫瘤風險預警模型；

利用風險預警模型計算惡性腫瘤風險。

2.如權利要求1所述的一種基于體檢數據的多目標集成學習惡性腫瘤風險預警的方法，其特征在于，學習樣本中分為健康人群和惡性腫瘤患者兩類人群，數量比例為10:1；健康人群中也包括了非惡性腫瘤的其他常見疾病人群；樣本分為訓練集和驗證集。

3.如權利要求2所述的一種基于體檢數據的多目標集成學習惡性腫瘤風險預警的方法，其特征在于，對訓練集使用多種不平衡樣本機器學習算法建立多個惡性腫瘤風險預警子模型。

4.如權利要求3所述的一種基于體檢數據的多目標集成學習惡性腫瘤風險預警的方法，其特征在于，通過集成算法合并子模型，通過權重系數控制每個子模型的權重，權重系數的和為1。

5.如權利要求4所述的一種基于體檢數據的多目標集成學習惡性腫瘤風險預警的方法，其特征在于，以驗證集的敏感度和特異性為兩個目標，通過多種多目標優化算法計算子模型權重系數，將多種算法結果相比較，確定多目標Pareto最優前沿對應的權重系數。

6.如權利要求5所述的一種基于體檢數據的多目標集成學習惡性腫瘤風險預警的方法，其特征在于，根據Pareto最優前沿對應的子模型權重系數生成多個惡性腫瘤風險預警模型。

7.如權利要求6所述的一種基于體檢數據的多目標集成學習惡性腫瘤風險預警的方法，其特征在于，單獨建立只包含60歲以上老年人的樣本訓練集和驗證集，并生成惡性腫瘤風險預警模型，以提高老年人惡性腫瘤風險預警的準確性。