[发明专利]一种利用血液蛋白标识训练神经网络模型诊断肺癌的方法

说明书

本说明书实施例提供一种利用血液蛋白标识训练神经网络模型诊断肺癌的方法，通过获取样本用户的生存环境信息、生理状态信息及进行血液蛋白检测得到的标识样本信息，确定样本用户的肺癌诊断结果信息，结合样本用户的生存环境信息、生理状态信息、肺癌诊断结果信息和标识样本信息构建肺癌诊断模型，肺癌诊断模型为神经网络模型，结合生存环境信息、生理状态信息及对待诊断用户进行血液蛋白检测得到的待诊断标识信息预测待诊断用户的肺癌状态，能够兼顾生存环境、生理状态的潜在影响，神经网络模型形成了动态的诊断标准，因而可与不同用户的身体状况相适应，提高了诊断准确率。

技术领域

本申请涉及计算机领域，尤其涉及一种利用血液蛋白标识训练神经网络模型诊断肺癌的方法。

背景技术

肺癌诊断是医学领域经常涉及的内容，目前医疗诊断多是通过检测癌细胞特有的物质(比如血液蛋白标记)的含量来诊断是否患有癌症，然而，目前诊断方式，多是设定一个固定的标准，来判断待诊断者是否患有癌病。

而这种诊断方式的准确率有待提升。这是因为，固定的标准只是个统计的平均结果，无法兼顾到不同患者的特点，不同人的体质不同，因此采用固定的标准较不科学，患者的生活习惯、生存环境也是癌症的影响因素，但是目前业内标准诊断为不患癌症的人的生活习惯、生存环境很有可能已经给其造成了持续恶化的影响，只是这这种影响尚在演化过程中因而无法识别出癌症，这也会导致癌症诊断准确率降低。

因此，有必要提供一种新的诊断方法，提高肺癌诊断准确率。

发明内容

本说明书实施例提供一种用血液蛋白标识训练神经网络模型诊断肺癌的方法、装置和电子设备，用以提高诊断准确率。

本说明书实施例提供一种用血液蛋白标识训练神经网络模型诊断肺癌的方法，包括：

获取样本用户的生存环境信息、生理状态信息及对所述样本用户进行血液蛋白检测得到的标识样本信息，确定所述样本用户的肺癌诊断结果信息，结合样本用户的生存环境信息、所述生理状态信息、所述肺癌诊断结果信息和所述标识样本信息构建肺癌诊断模型，所述肺癌诊断模型为神经网络模型；

获取待诊断用户的生存环境信息、生理状态信息及对所述待诊断用户进行血液蛋白检测得到的待诊断标识信息，输入到所述肺癌诊断模型中预测所述待诊断用户的肺癌状态，得到预测到结果。

可选地，所述结合样本用户的生存环境信息、所述生理状态信息、所述肺癌诊断结果信息和所述标识样本信息构建肺癌诊断模型，包括：

利用逻辑回归的方式，结合样本用户的生存环境信息、所述生理状态信息、所述肺癌诊断结果信息和所述标识样本信息构建肺癌诊断模型。

可选地，所述结合样本用户的生存环境信息、所述生理状态信息、所述肺癌诊断结果信息和所述标识样本信息构建肺癌诊断模型，包括：

根据肺癌诊断结果信息设置标签，以样本用户的生存环境信息、所述生理状态信息和所述标识样本信息作为训练样本，用监督学习的方式训练肺癌诊断模型。

可选地，所述生存环境信息，包括：

饮食信息和居住环境信息，所述生理状态信息包括生理体检信息和健身运动信息。

可选地，还包括：

训练治疗策略强化模型，将所述待诊断用户的历史饮食信息、历史居住环境信息、历史生理体检信息、历史健身运动信息和所述待诊断标识信息输入到所述治疗策略强化模型，所述治疗策略强化模型在治疗策略空间中搜索治疗策略计算其奖励值并根据奖励值进行迭代优化，输出优化后的治疗策略。

可选地，所述在治疗策略空间中搜索治疗策略计算其奖励值并根据奖励值进行迭代优化，输出优化后的治疗策略，包括：