一种早期肺癌唾液代谢指纹检测模型的训练方法技术

本发明专利技术公开了一种早期肺癌唾液代谢指纹检测模型的训练方法，该方法至少包括获得唾液代谢指纹数据，并将唾液代谢指纹数据划分为发现集、验证集和测试集；将发现集输入到至少两个预备模型中，采用SFFS方法在K折交叉验证框架内进行特征选择，基于敏感性、特异性、准确率、F1分数和AUC对每个预备模型进行参数优化；构建集成模型，集成模型包括至少两个预备模型和加权投票机制；利用SHAP方法在验证集和测试集上对集成模型的性能进行评估。本发明专利技术提供的方法构建的集成模型能高效、准确、快速地对肺癌进行非介入式筛查和早期检测。

【技术实现步骤摘要】

本专利技术涉及医学诊断、人工智能和机器学习领域，尤其涉及一种早期肺癌唾液代谢指纹检测模型的训练方法。

技术介绍

1、低剂量ct（ldct）是推荐的肺癌筛查方法，临床试验表明，ldct可以将肺癌（lc）死亡率降低20%。然而，ldct的筛查假阳性率高达96.4%，导致患者面临不必要的侵入性诊断、严重的心理压力和经济负担。目前，大多数通过ldct筛查出的疑似肺癌病例仍需进一步通过侵入性手段进行确诊，因此，对大规模lc筛选和早期检测的有效鉴别方法的需求十分迫切。

2、基于癌胚抗原（cea）、糖类抗原125（ca125）等血清肿瘤标志物对肺癌进行诊断，具有较高的灵敏度和特异性，但该方法需采集患者血液。大多数肺癌患者直到晚期才被诊断出来，一方面因为肺癌早期症状不明显，另一方面在于血液需通过介入式采集，这种方式降低了人们进行早期筛查的意愿。人类唾液每日分泌量高，该生样样本无需介入采集，对于肺癌早期诊断的普及具有重要意义。

3、尽管如此，通过唾液代谢指纹图谱进行肺癌早期诊断面临较大的困难。一方面由于唾液样本受患者生活、饮食习惯影响较大，例如吸烟、本文档来自技高网...

【技术保护点】

1.一种早期肺癌唾液代谢指纹检测模型的训练方法，其特征在于：

2.根据权利要求1所述的一种早期肺癌唾液代谢指纹检测模型的训练方法，其特征在于：所述步骤200利用10折交叉验证进行特征选择，评价每一折特征子集的平均AUC，选择AUC值最高的自己作为特征子集。

3.根据权利要求2所述的一种早期肺癌唾液代谢指纹检测模型的训练方法，其特征在于：每一折特征子集的评价中，通过浮动机制在每次添加特征后删除AUC值最低的特征。

4.根据权利要求1-3任意一项所述的一种早期肺癌唾液代谢指纹检测模型的训练方法，其特征在于：所述加权投票机制包括利用迭代算法确定最大AUC的权...

【技术特征摘要】

1.一种早期肺癌唾液代谢指纹检测模型的训练方法，其特征在于：

2.根据权利要求1所述的一种早期肺癌唾液代谢指纹检测模型的训练方法，其特征在于：所述步骤200利用10折交叉验证进行特征选择，评价每一折特征子集的平均auc，选择auc值最高的自己作为特征子集。

3.根据权利要求2所述的一种早期肺癌唾液代谢指纹检测模型的训练方法，其特征在于：每一折特征子集的评价中，通过浮动机制在每次添加特征后删除auc值最低的特征。

4.根据权利要求1-3任意一项所述的一种早期肺癌唾液代谢指纹检测模型的训练方法，其特征在于：所述加权投票机制包括利用迭代算法确定最大auc的权重分布，从而确定所述集成模型的最优组合方式。

5.根据权利要求1所述的一种早期肺癌唾液代谢指纹检测模型的训练方法，其特征在于：所述集成模型的输出还包括将集成模型预测的概率值与ca125检测值、cea检测值通过dca决策投票机制进行综合评估。

6.根据权利要求1-3, 5中任意一项所述的一种早期肺癌唾液代谢指纹检...

【专利技术属性】
技术研发人员：高越，严润兰，厉蓓，陈晓明，邬建敏，韩爽，
申请(专利权)人：杭州市第一人民医院西湖大学附属杭州市第一人民医院，
类型：发明
国别省市：