原发性肝癌微波消融后肝内复发风险预测方法及装置制造方法及图纸

本发明专利技术通过单变量Cox回归分析、相关性分析、交叉验证的递归特征消除RFECV层层过滤，选择具有代表性的临床检验指标，通过XGBoost算法对肝细胞癌患者数据建立模型参数，利用SHapley Additive exPlanations算法和Local Interpretable Model

【技术实现步骤摘要】
原发性肝癌微波消融后肝内复发风险预测方法及装置


[0001]本专利技术涉及医学图像处理的
，尤其涉及一种原发性肝癌微波消融后肝内复发风险预测方法，以及原发性肝癌微波消融后肝内复发风险预测装置。

技术介绍

[0002]肝细胞癌(HCC)是第五种最常见的恶性肿瘤，由肝炎病毒感染引起，在全球范围内造成相当大的死亡率和发病率。根据多个国际指南，局部区域消融(LA)被推荐为早期HCC患者的一线治疗方法，同时也被推荐用于外科切除(SR)和肝移植(LT)。此外，LA作为一种主要的和替代的治疗方法，也广泛应用于不符合手术条件的HCC患者，并作为通向肝移植的桥梁，具有创伤小、重复性好、并发症少、性价比高等优点。
[0003]微波消融(MWA)是一种广受欢迎的LA技术，因为肿瘤内温度较高，细胞坏死区域更大，早期HCC的5年总生存率(OS)与SR相似。然而，根治性MWA后的复发仍然是HCC治疗的一个挑战，5年内50％到70％的时间发生这种情况。消融后复发不仅增加了患者的死亡风险，而且会导致后续治疗，导致高昂的医疗费用和肝容量及功能的丧失。然而，由于肿瘤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.原发性肝癌微波消融后肝内复发风险预测方法，其特征在于：其包括以下步骤：(1)通过单变量Cox回归分析、相关性分析、交叉验证的递归特征消除RFECV层层过滤，选择具有代表性的临床检验指标；(2)通过XGBoost算法对肝细胞癌患者数据建立模型参数，XGBoost目标函数分为两个部分，一部分是损失函数，一部分是正则；XGBoost属于一种前向迭代的模型，会训练多棵树，对于第t颗树，第i个样本的，模型的预测值：得到原始目标函数：从这个目标函数，两个累加的变量是不同的：一个是i，i代表样本数量，对每个样本做一个损失的计算，这个损失是第t个树的预测值和真实值之间的差值计算；另一个是累加变量是j，代表树的数量，每个树的复杂度进行累加；其中，是第t次迭代之后样本i的预测结果，f
t
(χ
i
)是第t颗树的模型预测结果，是第t―1颗树的预测结果，是模型的损失函数，是整个模型对第i个样本的预测值，是第i个样本的真实值，是全部t颗树的复杂度求和，在这里是当成了函数中的正则化项；(3)利用SHapley Additive exPlanations算法和Local Interpretable Model
‑
Agnostic Explanations算法对预测模型进行可视化解释。2.根据权利要求1所述的原发性肝癌微波消融后肝内复发风险预测方法，其特征在于：所述步骤(1)之前执行，对原发性肝癌微波消融患者数据做多维度、多层次的数据预处理，包括：缺失值清洗、多角度的异常值检测与处理、数据标准化z
‑
score standardization。3.根据权利要求2所述的原发性肝癌微波消融后肝内复发风险预测方法，其特征在于：所述步骤(1)的临床检验指标包括：病因学、肿瘤数量、合并症评分、甲胎蛋白AFP、胆碱酯酶CHE、白细胞WBC、血小板PLT、中性粒细胞Neu、凝血酶原时间PT。4.根据权利要求3所述的原发性肝癌微波消融后肝内复发风险预测方法，其特征在于：所述步骤(2)中损失函数进一步化为如下，其中一个变化是对正则项进行了拆分，变成可前t
‑
1项，和第t项：
其中，constant为常量。5.根据权利要求4所述的原发性肝癌微波消融后肝内复发风险预测方法，其特征在于：所述步骤(2)中使用泰勒公式对目标函数近似展开其中，g
i
对应得是损失函数的一阶导数，h
i
为二阶导数。6.根据权利要求5所述的原发性肝癌微波消融后肝内复发风险预测方法，其特征在于：所述步骤(2)中树的参数化有两个，一个是对树模型参数化，一个是对树的复杂度参数化；树模型参数化是定义：每棵树每个叶子节点的值w；样本到叶子节节点的映射关系q；...

【专利技术属性】
技术研发人员：梁萍，于杰，安超，董立男，刘方义，韩治宇，程志刚，穆梦娟，罗艳春，张冬云，
申请(专利权)人：中国人民解放军总医院第五医学中心，
类型：发明
国别省市：