基于机器学习的嗜铬细胞瘤术后高血压并发症预测系统技术方案

本发明专利技术提出一种基于机器学习的嗜铬细胞瘤术后高血压并发症预测系统，基于计算机系统；包括依次连接的：数据处理分析模块、机器学习模型模块、参数调整模块、预测模块和数据保存模块；所述数据处理分析模块用于获取嗜铬细胞瘤患者术前以及术中的数据并进行初步分析处理；所述机器学习模型模块包括单分类器预测模型和融合模型；所述参数调整模块采用网格搜索对模型进行优化；所述预测模块用于模型的输出，预测用户患病的风险；所述保存模块用于存储病人病历信息。该系统能够有效提升模型精度和泛化能力，并且对嗜铬细胞瘤术后高血压并发症的预测有很大帮助，可以通过预测，提前让病人和医生对术后高血压并发症做出相关预防措施。施。施。

【技术实现步骤摘要】
基于机器学习的嗜铬细胞瘤术后高血压并发症预测系统


[0001]本专利技术属于大数据分析以及数据挖掘
，尤其涉及一种基于机器学习的嗜铬细胞瘤术后高血压并发症预测系统。

技术介绍

[0002]嗜铬细胞瘤是起源于肾上腺髓质嗜铬细胞瘤的可以分泌儿茶酚胺类物质的肿瘤。他的临床表现多种多样，有的会伴随有心血管疾病，有些并无症状。现在，嗜铬细胞瘤手术案例也比较多，大部分病人在术后都恢复了正常，患病症状都会消失，但是会有极少数人会持续患有持续高血压相关并发症，高血压并发症对病人的健康来说存在很大的威胁。病人术后是否仍然会存在高血压并发症对于医生来说来时比较难预测的。一个整合了多种相关因素的嗜铬细胞瘤术后高血压并发症风险预测模型，将有助于促进健康教育与咨询。现有传统的系统和模型，并不能精确的分析对应的数据，实现数据预测，且模型精度和泛化能力较弱，无法应用到现有的预测设备中。

技术实现思路

[0003]针对现有技术存在的缺陷和不足，本专利技术提供的基于机器学习的嗜铬细胞瘤术后高血压并发症预测系统，能够有效提升模型精度和泛化能力，并且对嗜铬细胞本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的嗜铬细胞瘤术后高血压并发症预测系统，其特征在于，基于计算机系统；包括依次连接的：数据处理分析模块、机器学习模型模块、参数调整模块、预测模块和数据保存模块；所述数据处理分析模块用于获取嗜铬细胞瘤患者术前以及术中的数据并进行初步分析处理；所述机器学习模型模块包括单分类器预测模型和融合模型；所述参数调整模块采用网格搜索对模型进行优化；所述预测模块用于模型的输出，预测用户患病的风险；所述保存模块用于存储病人病历信息。2.根据权利要求1所述的基于机器学习的嗜铬细胞瘤术后高血压并发症预测系统，其特征在于：所述预测模块还设置有模型评测单元，采用F1 score以及AUC，其中F1 score为召回率和准确率的调和平均，AUC为评测分类模型优劣的标准。3.根据权利要求1所述的基于机器学习的嗜铬细胞瘤术后高血压并发症预测系统，其特征在于：所述机器学习模型模块的构建过程具体包括以下步骤：步骤S1:获取样本人群的术前和术中数据，并构建初始数据集；步骤S2:对得到的初始样本数据集进行预处理，得到最终样本集，并按预设比例分为训练集和测试集；步骤S3：选取若干单分类机器学习模型构造一级模型，将训练集作为输入进行训练，根据得到的混淆矩阵、roc曲线以及auc面积对模型进行判断，并得到若干单一预测模型；步骤S4:对单一疾病预测模型进行多样性分析，选取差异性大且精度最高的两种模型进行融合，得到融合模型；步骤S5:基于单一疾病预测模型和合模型，构建获得综合预测模型以形成机器学习模型模块。4.根据权利要求3所述的基于机器学习的嗜铬细胞瘤术后高血压并发症预测系统，其特征在于：在步骤S2中，根据数据挖掘相关知识以及医生经验对所述初始数据集进行选择、数据清洗和标准化，并进行特征变量筛选，剔除无关变量，剩余变量构成最终样本集。5.根据权利要求3所述的基于机器学习的嗜铬细胞瘤术后高血压并发...

【专利技术属性】
技术研发人员：何炳蔚，杨旭华，
申请(专利权)人：福州大学，
类型：发明
国别省市：