一种胃早癌高危风险筛查系统技术方案

本发明专利技术涉及计算机辅助医疗技术领域，公开了一种胃早癌高危风险筛查系统，包括：调查问卷获取模块，用于获取待筛查调查问卷；胃早癌风险预测模块，用于根据所述调查问卷，基于预先训练的胃早癌风险预测模型，判断是否存在风险；其中，所述胃早癌风险预测模型包括：分模块风险预测单元，用于根据各影响因素的填写结果，采用相应二分类神经网络进行风险预测；整体风险预测单元，用于对基于各影响因素的风险预测结果进行加权求和，得到整体风险。本发明专利技术有助于充分挖掘对每个影响因素对胃早癌的影响，避免遗漏有价值影响因素，提高了预测准确度。度。度。

【技术实现步骤摘要】
一种胃早癌高危风险筛查系统


[0001]本专利技术属于计算机辅助医疗
，尤其涉及一种胃早癌高危风险筛查系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]胃癌高危风险预测评估可以提高早期胃癌的诊断率，能够让患者早发现早治疗，加强早期胃癌的诊断筛查是挽救胃癌患者生命及提高患者生存质量的关键。以往提高早期胃癌检出率的方法大多是改良胃镜检查和病理组织活检等临床技术，这些技术对患者有一定的创伤，且普及率低。目前仍缺乏有效的非浸入性的早癌筛查诊断方法。
[0004]通过调查问卷进行早期筛查是一种简单有效方式，有助于提高早期筛查的普及率，目前主要基于logistics回归分析等方法建立胃癌与问卷中各影响因素之间的关系模型，通过模型进行筛查，并且，为了提高模型预测精度，往往会进行自变量筛选，通过统计学分析手段，舍弃一些对模型精度贡献度较差的自变量。这种方式虽然能够一定程度上提高模型的精度，但是，通过统计学手段舍弃影响因素不会考虑到影响因素的实际意义，可能会导致有价值影响因素的丢失，不能将调查问卷中的特征进行充分利用起来。

技术实现思路

[0005]为克服上述现有技术的不足，本专利技术提供了一种胃早癌高危风险筛查系统。分别对调查问卷中每个影响因素进行风险预测，基于每个因素的风险预测结果进行加权求和得到整体风险预测结果，有助于充分挖掘对每个影响因素对胃早癌的影响，提高了预测准确度。
[0006]为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
[0007]一种胃早癌高危风险筛查系统，包括：
[0008]调查问卷获取模块，用于获取待筛查调查问卷；
[0009]胃早癌风险预测模块，用于根据所述调查问卷，基于预先训练的胃早癌风险预测模型，判断是否存在风险；
[0010]其中，所述胃早癌风险预测模型包括：
[0011]分模块风险预测单元，用于根据各影响因素的填写结果，采用相应二分类神经网络进行风险预测；
[0012]整体风险预测单元，用于对基于各影响因素的风险预测结果进行加权求和，得到整体风险。
[0013]进一步地，各影响因素的二分类神经网络模型训练方法为：
[0014]获取多个调查问卷样本，所述调查问卷样本中包括胃早癌阳性样本和胃早癌阴性样本，分别根据每个影响因素的填写结果，训练相应二分类神经网络。
[0015]进一步地，基于各影响因素的风险预测结果的权重计算方法为：
[0016]对各影响因素的二分类神经网络的分类效果进行评价；
[0017]将分类效果归一化处理，得到基于各影响因素的风险预测结果的权重。
[0018]进一步地，获取待筛查调查问卷或多个调查问卷样本后，首先进行特征编码，将调查问卷中胃早癌的每个影响因素填写结果，编码成一个特征向量。
[0019]进一步地，若一个影响因素中包括多个细分影响因素，将多个细分影响因素的填写结果进行特征编码后进行串联，得到该影响因素的特征向量。
[0020]进一步地，所述系统还包括可信度评价模块，用于对所述调查问卷的可信度进行评价，若评价结果为真实，转入胃早癌风险预测模块；若评价结果为不真实，则向用户反馈评价结果。
[0021]进一步地，所述可信度评价模块采用预先训练的可信度评价模型对调查问卷进行可信度评价，其中，所述可信度评价模型包括：
[0022]分模块可信度评价单元，用于根据调查问卷中胃早癌各影响因素的填写结果，分别基于相应可信度评价网络进行可信度评价；
[0023]整体可信度评价单元，用于将各影响因素的可信度评价结果进行加权求和，得到所述待评价调查问卷的整体可信度；
[0024]进一步地，其中，各影响因素的可信度评价网络训练方法为：
[0025]获取多个调查问卷样本，所述调查问卷样本中包括真实样本和不真实样本，针对调查问卷中的每个影响因素，分别训练可信度评价网络。
[0026]进一步地，各影响因素可信度评价结果的权重计算方法为：
[0027]获取多个胃早癌阳性样本和多个胃早癌阴性样本，对于胃早癌的每个影响因素，分别计算信息增益，得到每个影响因素可信度评价结果的权重。
[0028]进一步地，对于胃早癌的每个影响因素，分别计算信息增益包括：
[0029]根据胃早癌样本中阳性样本和阴性样本的占比，计算胃早癌样本的信息熵；
[0030]对于每个影响因素，根据调查问卷中所述影响因素的选项个数，对疾病样本划分子集，根据每个子集中诊断结果为阳性和阴性的占比，计算各个子集的信息熵，根据胃早癌样本的信息熵和该影响因素各个子集的信息熵，计算所述影响因素的信息增益。
[0031]以上一个或多个技术方案存在以下有益效果：
[0032]通过基于调查问卷中每个影响因素分别进行风险预测，然后基于每个因素的风险预测结果进行加权求和得到整体风险预测结果，有助于充分挖掘对每个影响因素对胃早癌的影响，避免遗漏有价值影响因素，提高了预测准确度。
[0033]将各个影响因素风险预测模型的分类准确度作为权重，能够更准确的衡量各个影响因素风险预测模型对于整体预测结论的影响，提高了整体预测精度。
[0034]通过基于调查问卷中每个影响因素分别进行真实性预测，有助于对调查问卷进行全面评价，最大限度的保留有价值的调查问卷，为后续风险预测模型的训练提供了数据保障。
[0035]通过计算调查问卷中各个影响因素的信息增益，来反映各影响因素对问卷结果真实性的影响，结合每个影响因素的真实性和信息增益得到调查问卷的评价结果，提高了调查问卷评价的准确性。
附图说明
[0036]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0037]图1为本专利技术实施例中胃早癌高危风险筛查系统框架图。
具体实施方式
[0038]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0039]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0040]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0041]实施例一
[0042]本实施例公开了一种胃早癌高危风险筛查系统，包括：
[0043]调查问卷获取模块，用于获取待筛查调查问卷。
[0044]可信度评价模块，用于对所述调查问卷的可信度进行评价，若评价结果为真实，转入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种胃早癌高危风险筛查系统，其特征在于，包括：调查问卷获取模块，用于获取待筛查调查问卷；胃早癌风险预测模块，用于根据所述调查问卷，基于预先训练的胃早癌风险预测模型，判断是否存在风险；其中，所述胃早癌风险预测模型包括：分模块风险预测单元，用于根据各影响因素的填写结果，采用相应二分类神经网络进行风险预测；整体风险预测单元，用于对基于各影响因素的风险预测结果进行加权求和，得到整体风险。2.如权利要求1所述的一种胃早癌高危风险筛查系统，其特征在于，各影响因素的二分类神经网络模型训练方法为：获取多个调查问卷样本，所述调查问卷样本中包括胃早癌阳性样本和胃早癌阴性样本，分别根据每个影响因素的填写结果，训练相应二分类神经网络。3.如权利要求1所述的一种胃早癌高危风险筛查系统，其特征在于，基于各影响因素的风险预测结果的权重计算方法为：对各影响因素的二分类神经网络的分类效果进行评价；将分类效果归一化处理，得到基于各影响因素的风险预测结果的权重。4.如权利要求1或2所述的一种胃早癌高危风险筛查系统，其特征在于，获取待筛查调查问卷或多个调查问卷样本后，首先进行特征编码，将调查问卷中胃早癌的每个影响因素填写结果，编码成一个特征向量。5.如权利要求4所述的一种胃早癌高危风险筛查系统，其特征在于，若一个影响因素中包括多个细分影响因素，将多个细分影响因素的填写结果进行特征编码后进行串联，得到该影响因素的特征向量。6.如权利要求1所述的一种胃早癌高危风险筛查系统，其特征在于，所述系统还包括可信度评价模块，用于对所述调查问卷的可信度进行评价，若评...

【专利技术属性】
技术研发人员：李真，左秀丽，马铭骏，李延青，刘静，赖永航，姜建科，
申请(专利权)人：青岛美迪康数字工程有限公司，
类型：发明
国别省市：