IVD行业基础算法调参方法技术

本发明专利技术公开了一种IVD行业基础算法调参方法，根据IVD检测项目使用的基础算法设置待调整参数，使用网格搜索算法或随机搜索算法获得不同的参数组合，利用所述IVD检测项目的样本数据集确定不同的所述参数组合下所述基础算法的评价指标，所述最优评价指标对应的参数组合为最优参数组合。本发明专利技术的优点在于不需要人工手动调整参数取值，无需依赖工作人员的经验，利用计算机强大的计算能力，实现多个参数在各自取值范围内随机组合，从而选择出基础算法的最优参数组合，进而提高基础算法的检测准确性。确性。

【技术实现步骤摘要】
IVD行业基础算法调参方法


[0001]本专利技术涉及IVD领域，尤其是涉及IVD行业基础算法调参方法。

技术介绍

[0002]在IVD（体外诊断）领域，如核酸，免疫，血培养等检测项目中需提供定量或者定性的检测结果。IVD领域内各检测项目均有自己的基础算法用于提供检测项目定量和定性的检测结果。但这些基础算法均需要设置一定的参数，且每个检测项目的参数均不相同，每个参数数值也不相同。目前为了获得IVD领域检测项目的最优基础算法，通常需要人工反复调整基础算法的参数，并计算参数调整之后基础算法的检测效果，最终确定一组最优的参数形成最优的基础算法，用于评价样本的检测结果。
[0003]但由于基础算法中的参数数量较多，每个参数的可选值也较多，致使人工调整参数工作量非常大，浪费了实验人员大量的时间和精力。同时由于人工调整参数大多凭借自己的工作经验和上组参数的检测效果，因此具有一定的经验偏差，并不能涵盖所有的参数组合。

技术实现思路

[0004]本专利技术目的在于提供一种IVD行业基础算法调参方法，用于解决人工调参工作量大，过分依赖经验，无法从所有参数组合中选择最优参数，调参效率低的问题。
[0005]为实现上述目的，本专利技术采取下述技术方案：本专利技术所述的IVD行业基础算法调参方法，根据IVD检测项目使用的基础算法设置待调整参数，使用网格搜索算法或随机搜索算法获得不同的参数组合，利用所述IVD检测项目的样本数据集确定不同的所述参数组合下所述基础算法的评价指标，所述最优评价指标对应的参数组合为最优参数组合。
[0006]进一步地，所述设置待调整参数包括待调整参数名称、待调整参数的类型、待调整参数的取值范围、待调整参数的总取值数量。
[0007]进一步地，所述IVD检测项目包括血培养、核酸、免疫检测项目；所述血培养检测项目的所述样本数据集为多个血液样本在血培养过程中的数据，每个血液样本的数据长度不定；所述核酸检测项目的所述样本数据集为多个样本或单个样本在一定循环的PCR扩增数据；所述免疫检测项目的所述样本数据集为多个样本或单个样本的定标实验数据。
[0008]进一步地，所述基础算法的评价指标包括回归模型评价指标、分类模型评价指标和自定义的量化评价指标；所述回归模型评价指标包括均方根误差、平均绝对误差、拟合优度；所述分类模型评价指标包括准确率、召回率、精确度、AUC、F1_SCORE。
[0009]进一步地，所述拟合优度、准确率、召回率、精确度、AUC、F1_SCORE为正向指标；所述均方根误差、平均绝对误差为负向指标。
[0010]进一步地，所述自定义的量化评价指标为若干评价指标的加权值。
[0011]进一步地，根据需要设置所述自定义的量化评价指标为正向指标或负向指标。
[0012]进一步地，所述待调整参数的类型包括离散型和连续型，所述离散型需设置待调整参数的所有离散值；所述连续型需设置待调整参数的取值范围、待调整参数的总取值数量。
[0013]本专利技术的优点在于不需要人工手动调整参数取值，无需依赖工作人员的经验，利用计算机强大的计算能力，实现多个参数在各自取值范围内随机组合，从而选择出基础算法的最优参数组合，进而提高基础算法的检测准确性。
具体实施方式
[0014] 下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0015]实施例1本专利技术所述的IVD行业基础算法调参方法的详细说明在IVD（体外诊断）领域，如核酸，免疫，血培养等检测项目中通常都存在各自的基础算法用于获得检测结果。但是基础算法获得的检测结果精确度不高，需要工作人员针对该基础算法中的参数进行调整，以获得更优的基础算法，用于样本的检测。
[0016]目前IVD领域检测项目中基础算法的参数调整均是依赖与工作人员手动调整，工作量大，效率低，且无法覆盖所有参数组合，不容易获得最优的算法参数组合，影响检测的准确性。
[0017]本专利技术所述的IVD行业基础算法调参方法，根据IVD检测项目使用的基础算法设置该基础算法的待调整参数，使用网格搜索算法或随机搜索算法获得待调整参数的不同的参数组合；将该参数组合代入基础算法，利用所述IVD检测项目的样本数据集，确定不同的所述参数组合下所述基础算法的评价指标，选择最优评价指标所对应的参数组合为该基础算法的最优参数组合。
[0018]针对不同的IVD检测项目使用的不同基础算法，他们的待调整参数也完全不同，本方法可以根据不同基础算法的需要，自行设置该基础算法需要的待调整参数。设置的项目包括待调整参数名称、待调整参数的类型、待调整参数的取值范围、待调整参数的总取值数量。其中待调整参数的类型包括包括离散型待调整参数和连续型待调整参数，所述离散型待调整参数需设置该待调整参数的所有离散值；所述连续型待调整参数需设置该待调整参数的取值范围以及待调整参数的总取值数量。
[0019]在设置好基础算法的待调整参数信息后，用户可以根据需要采用网格搜索算法或随机搜索算法获得待调整参数的不同的参数组合。其中网格搜索算法可以遍历该基础算法的待调整参数的所有参数组合，在组合数量级过大，影响计算效率时，可采用随机搜索算法获得该基础算法的待调整参数的参数组合。
[0020]每获得一个待调整参数的参数组合，就将该组参数组合代入基础算法，利用IVD检测项目的样本数据集，确定该参数组合下所述基础算法的评价指标。
[0021]其中样本数据集是某检测项目下大量检测样本原始检测数据。如IVD检测项目包括血培养、核酸、免疫检测项目等。血培养检测项目的所述样本数据集为多个血液样本在血培养过程中的数据，每个血液样本的数据长度不定；核酸检测项目的所述样本数据集为多
个样本或单个样本在一定循环的PCR扩增数据；所述免疫检测项目的所述样本数据集为多个样本或单个样本的定标实验数据。
[0022]本专利技术中基础算法的评价指标也可以根据用户需求或偏好进行选择。基础算法的评价指标包括回归模型评价指标、分类模型评价指标和自定义的量化评价指标；所述回归模型评价指标包括均方根误差（RMSE），平均绝对误差（MAE），拟合优度（R2）；所述分类模型评价指标包括准确率、召回率、精确度、AUC、F1_SCORE。其中所述拟合优度（R2）、准确率、召回率、精确度、AUC、F1_SCORE为正向指标；所述均方根误差（RMSE）、平均绝对误差（MAE）为负向指标。
[0023]所述自定义的量化评价指标可以为若干评价指标的加权值，如拟合优度（R2）、准确率、召回率、精确度、AUC、F1_SCORE中的任两个及以上，或者为均方根误差（RMSE）、平均绝对误差（MAE）的加权值。
[0024]所述自定义的量化评价指标也可以为其他的用户自定义的量化评价指标。但自定义的量化评价指标均需要根据用户需求设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种IVD行业基础算法调参方法，其特征在于：根据IVD检测项目使用的基础算法设置待调整参数，使用网格搜索算法或随机搜索算法获得不同的参数组合，利用所述IVD检测项目的样本数据集确定不同的所述参数组合下所述基础算法的评价指标，所述最优评价指标对应的参数组合为最优参数组合。2.根据权利要求1所述的IVD行业基础算法调参方法，其特征在于： 所述设置待调整参数包括待调整参数名称、待调整参数的类型、待调整参数的取值范围、待调整参数的总取值数量。3.根据权利要求1所述的IVD行业基础算法调参方法，其特征在于：所述IVD检测项目包括血培养、核酸、免疫检测项目；所述血培养检测项目的所述样本数据集为多个血液样本在血培养过程中的数据，每个血液样本的数据长度不定；所述核酸检测项目的所述样本数据集为多个样本或单个样本在一定循环的PCR扩增数据；所述免疫检测项目的所述样本数据集为多个样本或单个样本的定标实验数据。4.根据权利要求1所述的IVD行业基础算法调参方法，其特...

【专利技术属性】
技术研发人员：侯剑平，刘玉凤，王超，刘聪，
申请(专利权)人：安图实验仪器郑州有限公司，
类型：发明
国别省市：