一种基于决策树的乳腺肿瘤预测方法及系统技术方案

本申请公开了一种基于决策树的乳腺肿瘤预测方法及系统，属于数据处理领域，所述方法包括：基于大数据获取患者信息数据库，其中，患者信息数据库中包括数字化影像集合和患者病历信息集合，对数字化影像集合进行预处理，得到乳腺密度信息集合，将乳腺密度信息集合输入密度决策树中，得到关联密度信息集合，将患者标记变量集合输入关联决策树中，得到关联变量集合，根据关联密度信息集合和关联变量集合训练初步危险度评分模型，得到危险度评分模型，将目标患者信息输入危险度评分模型中，得到危险概率值。解决了现有技术中存在无法智能化预测乳腺肿瘤，预测准确度低的技术问题。达到了提高乳腺肿瘤预测的智能化程度和准确度的技术效果。术效果。术效果。

【技术实现步骤摘要】
一种基于决策树的乳腺肿瘤预测方法及系统


[0001]本申请涉及数据处理领域，尤其涉及一种基于决策树的乳腺肿瘤预测方法及系统。

技术介绍

[0002]随着生活水平的提高，人们对于健康问题越来越重视。据统计，全球乳腺癌患病率呈现出逐年上升的趋势，复合年增长率为3.1%，预计在2025年达到247万人，并保持稳定增长。乳腺癌通常发生在乳房腺上皮组织，早期表现是在患处出现单发的、无痛性并呈进行性生长的小肿块，发展至晚期，表面皮肤受侵犯，出现皮肤硬结，甚至皮肤破溃形成溃疡。
[0003]目前，通过技术手段对乳腺肿瘤进行早期发现、早期治疗来有效提高乳腺癌患者的生存率。通过传统屏胶摄影技术，将X线转变为光信号进而获得乳腺图像，通过对图像进行分析得到乳腺肿瘤的情况，从而进行针对性治疗。
[0004]然而，相较于其他恶性肿瘤而言，乳腺肿瘤的发展非常缓慢，潜伏期较长，一般在5
‑
10年，无法及时发现，从而导致延误治疗时间，造成患者病情加重，同时，正常乳腺细胞演变为肿瘤细胞受到多种因素影响，也对乳腺肿瘤的预测造成了困难。现有技术中存在无法智能化预测乳腺肿瘤，预测准确度低的技术问题。

技术实现思路

[0005]本申请的目的是提供一种基于决策树的乳腺肿瘤预测方法及系统，用以解决现有技术中存在无法智能化预测乳腺肿瘤，预测准确度低的技术问题。
[0006]鉴于上述问题，本申请提供了一种基于决策树的乳腺肿瘤预测方法及系统。
[0007]第一方面，本申请提供了一种基于决策树的乳腺肿瘤预测方法，其中，所述方法包括：基于大数据获取患者信息数据库，其中，所述患者信息数据库中包括数字化影像集合和患者病历信息集合；对所述数字化影像集合进行预处理，得到乳腺密度信息集合；对所述患者病历信息集合按照变量属性进行标记，得到患者标记变量集合；将所述乳腺密度信息集合输入密度决策树中，得到关联密度信息集合；将所述患者标记变量集合输入关联决策树中进行筛选，得到关联变量集合；将所述关联密度信息集合和所述关联变量集合作为训练数据，训练初步危险度评分模型，得到危险度评分模型；将目标患者信息输入所述危险度评分模型中，得到危险概率值。
[0008]另一方面，本申请还提供了一种基于决策树的乳腺肿瘤预测系统，其中，所述系统包括：信息获得模块，所述信息获取模块用于基于大数据获取患者信息数据库，其中，所述患者信息数据库中包括数字化影像集合和患者病历信息集合；预处理模块，所述预处理模块用于对所述数字化影像集合进行预处理，得到乳腺密度信息集合；标记模块，所述标记模块用于对所述患者病历信息集合按照变量属性进行标记，得到患者标记变量集合；关联密度模块，所述关联密度模块用于将所述乳腺密度信息集合输入密度决策树中，得到关联密度信息集合；筛选模块，所述筛选模块用于将所述患者标记变量集合输入关联决策树中进
行筛选，得到关联变量集合；模型训练模块，所述模型训练模块用于将所述关联密度信息集合和所述关联变量集合作为训练数据，训练初步危险度评分模型，得到危险度评分模型；危险概率值获得模块，所述危险概率值获得模块用于将目标患者信息输入所述危险度评分模型中，得到危险概率值。
[0009]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请通过根据大数据得到患者信息数据库，其中，患者信息数据库中包括数字化影像集合和患者病历信息集合，然后对数字化影像集合进行预处理，得到乳腺密度信息集合，进而对患者病历信息集合按照变量属性进行标记，得到患者标记变量集合，将乳腺密度信息集合输入密度决策树中，得到关联密度信息集合，将患者标记变量集合输入关联决策树中进行筛选，得到关联变量集合，然后通过将关联密度信息集合和关联变量集合作为训练数据，训练初步危险度评分模型，得到危险度评分模型，然后将目标患者信息输入危险度评分模型中，得到危险概率值。达到了提高乳腺肿瘤预测的智能化程度，提高预测的准确度的技术效果。
附图说明
[0010]为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0011]图1为本申请实施例提供的一种基于决策树的乳腺肿瘤预测方法的流程示意图；图2为本申请实施例提供的一种基于决策树的乳腺肿瘤预测方法中对所述数字化影像集合进行预处理的流程示意图；图3为本申请实施例提供的一种基于决策树的乳腺肿瘤预测方法中将所述患者标记变量集合输入关联决策树中进行筛选的流程示意图；图4为本申请一种基于决策树的乳腺肿瘤预测系统的结构示意图；附图标记说明：信息获得模块11，预处理模块12，标记模块13，关联密度模块14，筛选模块15，模型训练模块16，危险概率值获得模块17。
具体实施方式
[0012]本申请通过提供一种基于决策树的乳腺肿瘤预测方法及系统，解决了现有技术中存在无法智能化预测乳腺肿瘤，预测准确度低的技术问题。达到了提高乳腺肿瘤预测的智能化程度和准确度的技术效果。
[0013]本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0014]下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
[0015]实施例一如图1所示，本申请提供了一种基于决策树的乳腺肿瘤预测方法，其中，所述方法包括：步骤S100：基于大数据获取患者信息数据库，其中，所述患者信息数据库中包括数字化影像集合和患者病历信息集合；具体而言，所述患者信息数据库是基于大数据进行查找收集得到的患有乳腺肿瘤的患者的相关信息库。所述数字化影像集合是指对所述患者进行影像诊断时产生的图像集合。可选的，影像诊断方法包括：数字化X线乳腺摄影，CT，超声，热层析成像技术及MRI等。所述患者病历信息集合是患者的基本信息和患者在医院诊断治疗全过程的原始记录。由此，实现了对患者信息的全方位收集的目标，达到了为后续进行肿瘤预测提供基础数据的技术效果。
[0016]步骤S200：对所述数字化影像集合进行预处理，得到乳腺密度信息集合；进一步的，如图2所示，所述对所述数字化影像集合进行预处理，本申请实施例步骤S200还包括：步骤S210：通过提取所述数字化影像集合中的组织厚度，获得组织厚度信息集合；步骤S220：按照预设厚度阈值对所述组织厚度信息集合进行筛选，得到筛选厚度集合；步骤S230：根据所述筛选厚度集合，得到所述乳腺密度信息集合。
[0017]具体而言，通过对所述数字化影像集合中的检测到的乳腺组织进行厚度的提取，得到乳腺组织厚度数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于决策树的乳腺肿瘤预测方法，其特征在于，所述方法包括：基于大数据获取患者信息数据库，其中，所述患者信息数据库中包括数字化影像集合和患者病历信息集合；对所述数字化影像集合进行预处理，得到乳腺密度信息集合；对所述患者病历信息集合按照变量属性进行标记，得到患者标记变量集合；将所述乳腺密度信息集合输入密度决策树中，得到关联密度信息集合；将所述患者标记变量集合输入关联决策树中进行筛选，得到关联变量集合；将所述关联密度信息集合和所述关联变量集合作为训练数据，训练初步危险度评分模型，得到危险度评分模型；将目标患者信息输入所述危险度评分模型中，得到危险概率值。2.如权利要求1所述的方法，其特征在于，所述对所述数字化影像集合进行预处理，所述方法还包括：通过提取所述数字化影像集合中的组织厚度，获得组织厚度信息集合；按照预设厚度阈值对所述组织厚度信息集合进行筛选，得到筛选厚度集合；根据所述筛选厚度集合，得到所述乳腺密度信息集合。3.如权利要求1所述的方法，其特征在于，将所述患者标记变量集合输入关联决策树中进行筛选，所述方法还包括：根据所述患者病历信息集合，得到患者一级亲属是否患有乳腺恶性肿瘤信息，并作为上层区分特征；提取所述患者病历信息集合中的患者年龄数据，得到患者年龄数据集，并作为中层区分特征；提取所述患者病历信息集合中所述患者生活习惯数据，得到患者生活习惯数据集，并作为下层区分特征；将所述上层区分特征作为决策树的第一区分特征信息；基于所述第一区分特征信息和所述患者病历信息集合的递归算法，构建所述关联决策树。4.如权利要求3所述的方法，其特征在于，所述构建所述关联决策树，所述方法还包括：遍历所述患者病历信息集合，将患者病历信息输入所述关联决策树中，获得第一分类结果；根据所述患者病历...

【专利技术属性】
技术研发人员：倪静怡，陈佳，刘继斌，曹永峰，
申请(专利权)人：南通市肿瘤医院，
类型：发明
国别省市：