【技术实现步骤摘要】
本申请涉及计算机，更具体的说，是涉及肺结节恶性风险评估的模型构建方法及相关装置。
技术介绍
1、肺部结节是指在肺组织中发现的小的肿块或肿瘤，其直径通常小于3厘米，肺部结节的良恶性诊断对于患者的治疗和预后具有重要意义。
2、近年来，基于呼气气体的非侵入性检测方法引起了广泛的关注。呼气气体中包含了许多挥发性有机化合物（vocs），这些特定的vocs可能与机体功能代谢产生的代谢产物、炎症反应以及免疫系统的变化等因素有关。
3、传统的肺部结节诊断方法主要依赖于影像学检查和组织活检，但这些方法有一定的局限性，如辨别良性结节和恶性结节的准确性和侵入性，因此目前尚缺乏一种可靠、准确且高效的方法来评估肺部结节良恶性。
4、如何通过采集肺部恶性结节和良性结节人群的呼气样本，对呼气中的vocs进行定量和定性分析，以评估肺结节恶性的风险，为肺部结节良恶性诊断提供可靠的辅助分析，是需要关注的问题。
技术实现思路
1、鉴于上述问题，本申请提供了肺结节恶性风险评估的模型构建方法及相...
【技术保护点】
1.一种肺结节恶性风险评估的模型构建方法，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，所述通过融合随机森林算法和递归特征消除结合交叉验证算法，对所述差异标志物集合进行肺结节良恶性标志物二次筛选，得到诊断标志物集合，包括：
3.根据权利要求2所述的方法，其特征在于，在所述特征集合的测试集上计算更新后的随机森林模型的性能评分之后，还包括：
4.根据权利要求2所述的方法，其特征在于，所述计算每个特征在所述随机森林模型中的平均减少不纯度，包括：
5.根据权利要求1所述的方法，其特征在于，基于所述诊断标志物集合和...
【技术特征摘要】
1.一种肺结节恶性风险评估的模型构建方法，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，所述通过融合随机森林算法和递归特征消除结合交叉验证算法，对所述差异标志物集合进行肺结节良恶性标志物二次筛选，得到诊断标志物集合，包括：
3.根据权利要求2所述的方法，其特征在于，在所述特征集合的测试集上计算更新后的随机森林模型的性能评分之后，还包括：
4.根据权利要求2所述的方法，其特征在于，所述计算每个特征在所述随机森林模型中的平均减少不纯度，包括：
5.根据权利要求1所述的方法，其特征在于，基于所述诊断标志物集合和所述多个样本，利用voc风险评分法构建肺结节恶性风险评估模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述计算每个voc对恶性结节判定准确性造成影响的权重系数，包括：
7.根据权利要求5所述的方法，其特征在于，所述根据各个样本中所述诊断标志物集合中的各个voc的所述权重系数及相对含量，确定高风险阈值和低风险阈值，包括：
【专利技术属性】
技术研发人员：王俊奇，何建行，陈思彤，梁恒瑞，彭敏桦，张晗，樊鹏南，
申请(专利权)人：精智未来广州智能科技有限公司，
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。