基于机器学习的预后生存阶段预测方法和系统技术方案

本发明专利技术公开了一种基于机器学习的预后生存阶段预测方法和系统，所述方法包括：获取既往预设时间段内的患者原始信息数据，并对所述患者原始信息数据进行整合，以得到无复发时间的第一数据集和带有复发时间的第二数据集；基于各对应患者所述术前信息、术后信息和生存状态，分析得到所述术前信息、所述术后信息与所述生存状态之间的相关程度；在所述第一数据集中训练得到术后生存几率预测模型；根据所述术后生存几率模型，判定目标患者的生存几率小于或等于预设值，则在所述第二数据集中训练得到生存时间段预测模型。解决了无法基于大数据作出预后生存情况判断的技术问题。出预后生存情况判断的技术问题。出预后生存情况判断的技术问题。

【技术实现步骤摘要】
基于机器学习的预后生存阶段预测方法和系统


[0001]本专利技术涉及数据统计
，尤其涉及一种基于机器学习的预后生存阶段预测方法和系统。

技术介绍

[0002]目前，手术、放疗、化疗、生物治疗是治疗癌症的四大手段。以唾液腺癌的治疗为例，对于唾液腺癌的治疗目前主张采用综合序列治疗，即针对患者的具体情况，采取有计划、分步骤的多种治疗手段，以期取得最佳治疗效果。但是，在医疗手段实施开始之前，目前无法结合大数据给出基本的预后生存情况判断，无法为医患提供较为准确的预后结果预测。并且，现有技术无法规范化保存患者的病情和预后信息，无法形成历史患者数据积累。

技术实现思路

[0003]本专利技术的目的是提供一种基于机器学习的预后生存阶段预测方法和系统，以至少部分解决现有技术中存在的无法基于大数据作出预后生存情况判断的技术问题。该目的是通过以下技术方案实现的：
[0004]本专利技术提供一种基于机器学习的预后生存阶段预测方法，所述方法包括：
[0005]获取既往预设时间段内的患者原始信息数据，并对所述患者原始信息数据进行整合，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的预后生存阶段预测方法，其特征在于，所述方法包括：获取既往预设时间段内的患者原始信息数据，并对所述患者原始信息数据进行整合，以得到无复发时间的第一数据集和带有复发时间的第二数据集，各数据集均包括对应患者的术前信息、术后信息和生存状态；基于各对应患者所述术前信息、术后信息和生存状态，分析得到所述术前信息、所述术后信息与所述生存状态之间的相关程度；基于所述术前信息、所述术后信息与所述生存状态之间的相关程度，在所述第一数据集中训练得到术后生存几率预测模型；根据所述术后生存几率模型，判定目标患者的生存几率小于或等于预设值，则在所述第二数据集中训练得到生存时间段预测模型。2.根据权利要求1所述的预后生存阶段预测方法，其特征在于，所述分析得到所述术前信息、所述术后信息与所述生存状态之间的相关程度，之后还包括：分析多种所述术前信息、多种所述术后信息对所述生存状态的影响程度，以得到多个影响因素对应的影响程度结果；基于所述影响程度结果对各所述影响因素进行排序。3.根据权利要求2所述的预后生存阶段预测方法，其特征在于，所述分析多种所述术前信息、多种所述术后信息对所述生存状态的影响程度，具体包括：利用卡方检验、F检验、信息增益、Pearson相关性、Spearman相关性和决策树算法，分析多种所述术前信息、多种所述术后信息对所述生存状态的影响程度。4.根据权利要求2所述的预后生存阶段预测方法，其特征在于，所述分析得到所述术前信息、所述术后信息与所述生存状态之间的相关程度，具体包括：利用Kaplan
‑
Meier分析法，分析得到所述术前信息、所述术后信息与所述生存状态之间的相关程度。5.根据权利要求1所述的预后生存阶段预测方法，其特征在于，所述对所述患者原始信息数据进行整合，具体包括：将术前信息、术后信息和生存状态分别划分为多个必要特征；遍历所述患者原始信息...

【专利技术属性】
技术研发人员：彭歆，王海辉，贾梦琪，王学超，高敏，俞光岩，章文博，杜文，于尧，叶鹏，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：