[发明专利]一种头颈部癌症局部复发预测装置

说明书

本发明提出一种头颈部癌症局部复发预测装置，包括：数据采集模块，用于采集数据构成训练样本；分组模块，用于将所述训练样本分组为训练集和测试集；特征提取模块，用于对所述训练集进行特征提取；第一训练模块，用于接收所述特征提取模块提取的特征进行随机森林训练，得到第一随机森林分类器；第一测试模块，用于将所述测试集输入至所述第一随机森林分类器；第二训练模块，用于将所述第一随机森林分类器的输出作为输入进行随机森林训练，得到第二随机森林分类器；第二测试模块，用于将所述测试集输入至所述第二随机森林分类器。

技术领域

本发明涉及一种预测装置，具体涉及一种头颈部癌症局部复发预测装置。

背景技术

精确肿瘤学旨在为患者量身定制癌症的全方位的防治方案，特别是在癌症预防，筛查，风险分级，治疗和治疗结果评估等方面进行护理个性化。随着我国医疗基础设施的逐步完善，国家医疗机构高校等科研机构的通力合作下，可以预见，在不久的将来个性化治疗将成为肿瘤临床的标准治疗。越来越多的实验证明，癌症的成因是生物基因或肿瘤基因的功能突变，这也改变了临床治疗方案的规划，以便在特定患者群中实现更好的癌症控制效果。另一方面，快速学习范式，(知识驱动型医疗保健)包括重复使用常规临床数据以训练模型以获得知识，用来预测患者的治疗结果，这在肿瘤学界也得到了普及。尽管大多数精确肿瘤学的研究方法都集中在基因学技术上，但人们认为只有多学科的交叉整合，集合基因组学，转录组学，蛋白质组学，代谢组学研究等多方面学科，才能有效地解开生物学机制的奥秘。

由于肿瘤的不同分期所表现的特征并不相同，甚至有些差别很大，这使全面整合对癌症风险评估的工作显得尤为重要。在空间域与时间域，肿瘤内的基因特征，蛋白质特征，细胞微环境特征，组织和解剖学病理特征等都会表现出相当大的变化，这其中不乏关于肿瘤恶化扩散的有用信息。肿瘤通常由多个克隆癌细胞亚群组成，组成一个复杂的动态系统，由于它们微环境和外部治疗的相互作用而表现出快速变异的特性。在生长速率，基因表达，扩散能力和免疫特征等方面，不同的癌细胞亚群可表现出不同的特征。这些特性可以通过在肿瘤内观察到的代谢活性，细胞增殖情况，富氧水平，PH值，血管系统和坏死区域的差异来描述。这种肿瘤内的差异称为肿瘤异质性，即使在相同组织病理学类型的肿瘤中也可以看到显着不同异质性特征。具有这种异质特征的肿瘤有着较高的复发扩散风险，这也影响治疗手段方法的选择。

如今，随着医疗体系的完善，几乎每位患者都可以负担的起影像筛查的费用，这使医学成像在肿瘤内变异的诊查中发挥着核心作用。医学图像，如氟葡萄糖(FDG)正电子发射断层扫描(PET)和X射线计算机断层扫描(CT)都是微创的检查手段，它们为解码肿瘤提供了大量的潜在数据来源。从所有类型的医学图像中定量提取高维可采集数据后进行分析，并用其辅助临床决策，这一过程可称为影像组学。从肿瘤成像特征推断出基因表达特征和临床表现的大量实验，使该领域在过去几年发展迅速。影像组学的基本假设是侵袭性肿瘤的基因组不同性质的表达可以转化为不同种类的肿瘤代谢和形成解剖病理学的肿瘤实体，从而提出将对医学图像的定量分析作为进行癌症风险评估的必要预后工具，并使之成为预后工作中不可或缺的一部分。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种头颈部癌症局部复发预测装置。

为实现上述目的及其他相关目的，本发明提供一种头颈部癌症局部复发预测装置，其特征在于，该预测装置包括：

数据采集模块，用于采集数据构成训练样本；

分组模块，用于将所述训练样本分组为训练集和测试集；

特征提取模块，用于对所述训练集进行特征提取；

第一训练模块，用于接收所述特征提取模块提取的特征进行随机森林训练，得到第一随机森林分类器；

第一测试模块，用于将所述测试集输入至所述第一随机森林分类器；

第二训练模块，用于将所述第一随机森林分类器的输出作为输入进行随机森林训练，得到第二随机森林分类器；