申请/专利权人：南通大学附属医院

申请日：2023-12-08

公开（公告）日：2024-04-12

公开（公告）号：CN117877740A

主分类号：G16H50/50

分类号：G16H50/50;G16H50/70;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及生物医学工程技术领域，公开了一种基于无创检验指标的胃癌淋巴结转移预测方法，包括以下步骤：S1、数据采集与清洗：对原始数据进行预处理，包括缺失值填充、数据归一化和数据集切分等，其中数值型数据如CA72‑4、CEA等取均值进行填充，类别型数据如性别、OBT等取众数进行填充，使用Z‑score方法对数据进行归一化，使用Scikit‑learn库中的Shuffle函数设置随机数生成器来实现数据的随机排列并将清洗后的741名受试对象数据按3:1的比例切分训练集和测试集。本发明开发并验证了一个基于V9指标的胃癌淋巴结转移LNM预测模型，该模型具有无创性、检测成本低等特点，满足对胃癌淋巴结转移LNM的高效精准预测，成功开发在线胃癌LNM预测系统，具备辅助临床诊断价值。

主权项：1.一种基于无创检验指标的胃癌淋巴结转移预测方法，其特征在于，包括以下步骤：S1、数据采集与清洗：对原始数据进行预处理，包括缺失值填充、数据归一化和数据集切分等，其中数值型数据如CA72-4、CEA等取均值进行填充，类别型数据如性别、OBT等取众数进行填充，使用Z-score方法对数据进行归一化，使用Scikit-learn库中的Shuffle函数设置随机数生成器来实现数据的随机排列并将清洗后的741名受试对象数据按3:1的比例切分训练集和测试集；S2、筛选重要指标数：基于原始66个常规检验指标数据，利用XGBoost算法构建训练模型，训练输出指标的重要性并按照重要程度从高到低进行排序，依次选取重要性排名前1位、前2位、…、前66位指标数据，轮流构建XGBoost模型并进行对比分析，采用曲线下面积、准确率和F1三项综合性指标作为评估准则，表现最优的模型选取的指标集合即重要指标集合；S3、筛选最优模型：为了筛选出基于无创检验指标数据的预测模型，选择多个典型的机器学习算法开展对比、优化研究。

全文数据：

权利要求：

百度查询： 南通大学附属医院 一种基于无创检验指标的胃癌淋巴结转移预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD