【技术实现步骤摘要】
本专利技术涉及医学诊断。更具体地，涉及一种进展风险评估模型训练方法及评估系统。
技术介绍
1、肺磨玻璃结节(ground-glass nodule,ggn)是指肺内局灶性结节状密度稍高影，其邻近支气管壁和内部血管纹理清晰可辨。随着低剂量螺旋ct(low-dose computedtomographic,ldct)作为肺癌筛查公认标准工具的广泛应用，肺癌高风险人群的肺癌死亡率降低20％-31％，但肺ggn检出率显著上升。ggn作为早期肺癌和肺癌前病变的主要征象，病因复杂，具有高度异质性，恶变程度高，持续存在并进展的ggn具有恶化可能性。“随访等待”是ggn干预前的医疗指南建议，但会导致医疗成本的增加和过度的辐射暴露，错失了干预最佳时机，并给患者带来心理压力。经活检获得的病理结果为诊断ggn的“金标准”，同样使部分患有良性病变的患者面临侵入性手术风险。
2、众多医学指南建议使用经过验证的数学模型来评估ggn的恶性风险。然而，已有的一些肺结节预测模型可能并不适用于中国ggn人群，如mayo模型和brock模型，这些模型通过胸部x线或ct获得影像信息，侧重于偶然或有症状的个体中发现的较大、实性孤立结节，可能过高估计筛查背景中发现的结节恶性风险，并且该方式也不能够实现ggn进展情况的客观、精准识别，提供及时的干预措施。
技术实现思路
1、本专利技术的目的在于提供一种基于中医证候联合影像学特征的进展风险评估模型训练方法及评估系统，以解决现有技术存在的问题中的至少一个。
3、本专利技术第一方面提供了一种进展风险评估模型训练方法，包括，
4、至少从中医临床证候量表以及ct影像报告中获取包含多种特征变量的数据集，组成第一样本数据集；
5、剔除第一样本数据集中存在缺失值的数据并将其随机划分为训练集和测试集；
6、通过描述分析和第一机器学习模型对训练集中的特征变量进行筛选，得到特征变量重要性排序，根据分析结果对第一样本数据集中特征变量进行筛选，得到第二样本数据集；
7、构建进展风险评估模型并将第二样本数据集输入第二机器学习模型，得到最优特征变量的组合以及最优特征变量的组合所对应的最优参数；
8、根据最优特征变量的组合以及最优特征变量的组合所对应的最优参数得到训练完成的进展风险评估模型。
9、进一步地，所述最优特征变量的组合包括从ct影像报告中提取的最大结节直径和分别从中医临床证候量表中提取的善太息、头昏沉、呃逆、便溏以及气短。
10、进一步地，最优特征变量的组合中善太息、头昏沉、呃逆、便溏以及气短分别为二分类变量。
11、进一步地，所述通过描述分析和第一机器学习模型对训练集中的特征变量进行筛选，得到特征变量重要性排序包括：
12、对第一样本数据集进行描述分析，得到显著性水平p，从第一样本数据集中筛选出p<0.2的特征变量，得到第三样本数据集；
13、将第三样本数据集输入第一机器学习模型，得到特征变量的重要性排序。
14、进一步地，所述第一机器学习模型包括随机森林模型；
15、所述第二机器学习模型包括逐步回归模型。
16、进一步地，在得到最优特征变量的组合以及最优特征变量的组合所对应的最优参数后所述方法还包括，根据最优特征变量的组合以及最优特征变量的组合所对应的最优参数绘制列线图。
17、本专利技术第二方面提供了一种评估系统，包括，
18、数据采集模块、评级模块、输出模块以及由第一方面所述训练方法得到的训练完成的进展风险评估模型；
19、所述数据采集模块，用于采集肺磨玻璃结节患者的特征变量数据和/或响应用户的第一输入操作，输入肺磨玻璃结节患者的特征变量数据；
20、所述进展风险评估模型，用于将特征变量数据输入进展风险评估模型得到进展风险评估模型输出的进展风险概率；
21、所述评级模块，用于对进展风险评估模型进行决策曲线分析并响应用户的设计操作，获取并根据风险级别以及各级别风险所对应的概率范围确定进展风险评估模型输出的进展风险概率的风险分级结果；
22、所述输出模块，用于分别输出进展风险概率和风险分级结果。
23、进一步地，所述评级模块包括数据处理单元以及评级单元；
24、所述数据处理单元，用于对进展风险评估模型进行决策曲线分析并响应用户的设计操作，获取风险级别以及各级别风险所对应的进展风险的概率范围；
25、所述评级单元，用于根据风险级别以及各级别风险所对应的概率范围确定进展风险的级别；
26、其中，所述风险分级结果为进展风险的级别。
27、所述风险级别包括低风险、中风险以及高风险。
28、本专利技术第三方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如第一方面所述的方法。
29、本专利技术第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如第一方面所述的方法。
30、本专利技术的有益效果如下：
31、本专利技术通过中医临床症候量表提取疾病的证候要素作为特征变量，明确了疾病发生发展的本质，能有效反映疾病发病过程中的证候形成规律。
32、本专利技术将中医临床症状与影像学特征结合作为特征变量的来源，既通过中医临床症状能从中医学角度够反映肺磨玻璃结节发生发展的本质、病变趋势以及发病过程中的证候形成规律，又通过联合影像学特征描述肺磨玻璃结节外部特征，因此能够有效提高肺磨玻璃结节进展的评估效果。
本文档来自技高网...【技术保护点】
1.一种进展风险评估模型训练方法，其特征在于，包括，
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求4所述的方法，其特征在于，
7.一种评估系统，其特征在于，包括，
8.根据权利要求7所述的系统，其特征在于，
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
【技术特征摘要】
1.一种进展风险评估模型训练方法，其特征在于，包括，
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求4所述的方法，其特征在于，
7.一种评估系统，其特征在于，...
【专利技术属性】
技术研发人员：花宝金，刘瑞，阿依达娜·毛兰，杨伟，李玥，喻乐华，闫兆帅，
申请(专利权)人：中国中医科学院广安门医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。