[发明专利]一种胃早癌高危风险筛查系统在审
| 申请号: | 202210415491.0 | 申请日: | 2022-04-20 |
| 公开(公告)号: | CN114724717A | 公开(公告)日: | 2022-07-08 |
| 发明(设计)人: | 李真;左秀丽;马铭骏;李延青;刘静;赖永航;姜建科 | 申请(专利权)人: | 山东大学齐鲁医院;青岛美迪康数字工程有限公司 |
| 主分类号: | G16H50/30 | 分类号: | G16H50/30;G16B25/00;G06F17/18;G06K9/62;G16H10/20 |
| 代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 闫伟姣 |
| 地址: | 250012 山东*** | 国省代码: | 山东;37 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 胃早癌 高危 风险 系统 | ||
1.一种胃早癌高危风险筛查系统,其特征在于,包括:
调查问卷获取模块,用于获取待筛查调查问卷;
胃早癌风险预测模块,用于根据所述调查问卷,基于预先训练的胃早癌风险预测模型,判断是否存在风险;
其中,所述胃早癌风险预测模型包括:
分模块风险预测单元,用于根据各影响因素的填写结果,采用相应二分类神经网络进行风险预测;
整体风险预测单元,用于对基于各影响因素的风险预测结果进行加权求和,得到整体风险。
2.如权利要求1所述的一种胃早癌高危风险筛查系统,其特征在于,各影响因素的二分类神经网络模型训练方法为:
获取多个调查问卷样本,所述调查问卷样本中包括胃早癌阳性样本和胃早癌阴性样本,分别根据每个影响因素的填写结果,训练相应二分类神经网络。
3.如权利要求1所述的一种胃早癌高危风险筛查系统,其特征在于,基于各影响因素的风险预测结果的权重计算方法为:
对各影响因素的二分类神经网络的分类效果进行评价;
将分类效果归一化处理,得到基于各影响因素的风险预测结果的权重。
4.如权利要求1或2所述的一种胃早癌高危风险筛查系统,其特征在于,获取待筛查调查问卷或多个调查问卷样本后,首先进行特征编码,将调查问卷中胃早癌的每个影响因素填写结果,编码成一个特征向量。
5.如权利要求4所述的一种胃早癌高危风险筛查系统,其特征在于,若一个影响因素中包括多个细分影响因素,将多个细分影响因素的填写结果进行特征编码后进行串联,得到该影响因素的特征向量。
6.如权利要求1所述的一种胃早癌高危风险筛查系统,其特征在于,所述系统还包括可信度评价模块,用于对所述调查问卷的可信度进行评价,若评价结果为真实,转入胃早癌风险预测模块;若评价结果为不真实,则向用户反馈评价结果。
7.如权利要求6所述的一种胃早癌高危风险筛查系统,其特征在于,所述可信度评价模块采用预先训练的可信度评价模型对调查问卷进行可信度评价,其中,所述可信度评价模型包括:
分模块可信度评价单元,用于根据调查问卷中胃早癌各影响因素的填写结果,分别基于相应可信度评价网络进行可信度评价;
整体可信度评价单元,用于将各影响因素的可信度评价结果进行加权求和,得到所述待评价调查问卷的整体可信度。
8.如权利要求7所述的一种胃早癌高危风险筛查系统,其特征在于,其中,各影响因素的可信度评价网络训练方法为:
获取多个调查问卷样本,所述调查问卷样本中包括真实样本和不真实样本,针对调查问卷中的每个影响因素,分别训练可信度评价网络。
9.如权利要求7所述的一种胃早癌高危风险筛查系统,其特征在于,各影响因素可信度评价结果的权重计算方法为:
获取多个胃早癌阳性样本和多个胃早癌阴性样本,对于胃早癌的每个影响因素,分别计算信息增益,得到每个影响因素可信度评价结果的权重。
10.如权利要求7所述的一种胃早癌高危风险筛查系统,其特征在于,对于胃早癌的每个影响因素,分别计算信息增益包括:
根据胃早癌样本中阳性样本和阴性样本的占比,计算胃早癌样本的信息熵;
对于每个影响因素,根据调查问卷中所述影响因素的选项个数,对疾病样本划分子集,根据每个子集中诊断结果为阳性和阴性的占比,计算各个子集的信息熵,根据胃早癌样本的信息熵和该影响因素各个子集的信息熵,计算所述影响因素的信息增益。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学齐鲁医院;青岛美迪康数字工程有限公司,未经山东大学齐鲁医院;青岛美迪康数字工程有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210415491.0/1.html,转载请声明来源钻瓜专利网。





