[发明专利]一种基于常规检验数据的肺结核智能识别方法

权利要求书

1.一种基于常规检验数据的肺结核智能识别方法，其特征在于，包括：

获取检验样本数据并进行数据预处理，其中，所述检验样本数据根据影响因素进行特征筛选；

基于检验样本数据产生一个或多个适用于肺结核智能识别的分类器；

其中分类器的生成过程包括：根据检验指标的历史诊断结果将检验样本数据分为阳性数据组和阴性数据组，建立常规检验数据的训练集、验证集和测试集，根据阳性数据组和阴性数据组的训练集分别训练分类器，通过验证集优化各分类器的参数和结构，通过测试集绘制ROC曲线，并根据ROC曲线下面积AUC对分类器进行评价，以完成分类器的训练；

将分类器部署至医院lis平台，接收实时检验数据以实现肺结核智能识别。

2.如权利要求1所述的一种基于常规检验数据的肺结核智能识别方法，其特征在于，所述检验样本数据为医院的实验室各检验指标数据，所述检验样本的数据预处理过程包括数据区域转置、数据缺失值填补和变量筛选。

3.如权利要求2所述的一种基于常规检验数据的肺结核智能识别方法，其特征在于，将检验样本数据进行缺失值填补，其中包括中位数法、平均值、众数等常规方法，也包括对抗机器学习的样本缺失值填补方法。

4.如权利要求3所述的一种基于常规检验数据的肺结核智能识别方法，其特征在于，在基于常规检验数据进行肺结核识别过程中，将检验样本数据进行分类处理，其中根据历史数据诊断结果为肺结核的样本划分为阳性数据组，非肺结核的样本划分为阴性数据组。

5.如权利要求1所述的一种基于常规检验数据的肺结核智能识别方法，其特征在于，所述阳性数据组和阴性数据组根据70％、10％和20％的比例随机分为训练集、验证集和测试集。

6.如权利要求1所述的一种基于常规检验数据的肺结核智能识别方法，，其特征在于，根据ROC曲线下面积AUC对分类器进行评价的过程中，当AUC＞0 .8则判断分类器训练成功。