[发明专利]一种基于梯度提升树模型的慢性肝病风险评估系统

说明书

本发明公开一种基于梯度提升树模型的慢性肝病风险评估系统，由任务输入模块、数据处理模块和输出结果模块组成，数据处理模块包括梯度提升树模型模块和数据库，任务输入模块、梯度提升树模型模块、输出结果模块依次连接，梯度提升树模型模块包括第一梯度提升树模型、第二梯度提升树模型和第三梯度提升树模型，第一梯度提升树模型用于预测测试样本患慢性肝病的概率，第二梯度提升树模型用于预测测试样本患肝硬化与肝纤维化的概率，第三梯度提升树模型用于预测测试样本肝纤维化所处分期。本发明旨在实现通过四项指标预测目标患者患慢性肝病、肝纤维化和肝硬化的风险概率，以及预测患者肝纤维化所处分期，为临床医生的诊断及治疗提供依据。

技术领域

本发明涉及慢性肝病风险测试领域，具体涉及一种基于梯度提升树模型的慢性肝病风险评估系统。

背景技术

肝纤维化是指各种致病因子导致肝内结缔组织增生，如果致病因素不能移除，肝纤维化会进展为肝硬化。肝硬化是指一种或多种致病因子导致肝内持续性肝损坏，病理变化包括肝细胞大面积死亡、残存肝细胞结节状增生及假小叶的形成。临床上肝硬化早期无明显表现，中晚期可表现为腹水、肝癌、上消化道出血、肝性脑病等症状，严重影响患者生活质量。

临床上对于肝纤维化及肝硬化的诊断主要是通过B超、CT的临床影像学等检查，其中肝穿刺活检等病理学检查是肝硬化和肝纤维化及分期检验的金标准，主要通过穿刺活检获得肝组织进行相应的病理分析，该操作假阴性较高，而且会带给病人心理和生理上的痛苦。

近些年，各种疾病数据库出现及海量的疾病样本信息的收录，通过这些海量的信息，选用合适的疾病诊断模型构建的方法，对于这些很难通过常规检测手段诊断的疾病的诊断提供了可能。

发明内容

本发明的目的在于克服现有诊断技术的不足，提供一种基于梯度提升树模型的慢性肝病风险评估系统，旨在实现通过四项指标预测目标患者患慢性肝病、肝纤维化和肝硬化的风险概率，以及预测患者患有轻度肝纤维化和重度肝纤维化的风险概率，为临床医生的诊断及治疗提供依据。

本发明的技术方案如下：一种基于梯度提升树模型的慢性肝病风险评估系统，该系统是由任务输入模块、数据处理模块和输出结果模块三部分组成，所述数据处理模块包括梯度提升树模型模块和数据库，所述任务输入模块、梯度提升树模型模块、输出结果模块依次连接，所述数据库与梯度提升树模型模块相连，所述梯度提升树模型模块包括第一梯度提升树模型、第二梯度提升树模型和第三梯度提升树模型，所述第一梯度提升树模型用于预测测试样本患慢性肝病的概率，第二梯度提升树模型用于预测测试样本患肝硬化与肝纤维化的概率，第三梯度提升树模型用于预测测试样本肝纤维化所处分期，所述任务输入模块用于输入测试样本基础信息，所述测试样本基本信息依次通过所述第一梯度提升树模型、第二梯度提升树模型和第三梯度提升树模型测试后，最后通过所述输出结果模块呈现预测结果；所述第一梯度提升树模型、第二梯度提升树模型、第三梯度提升树模型的构建是基于一种迭代的决策回归树算法，该决策回归树算法是由多颗决策树组成，所有决策树的结论累计获得最终结果后，生成多颗回归树，每颗回归树都是从之前所有决策树的残差中学习训练出来，利用的是决策树中损失函数的负梯度值作为决策回归树算法中的残差的近似值，进而拟合一棵提升回归树，通过所述提升回归树生成梯度提升树模型。

在上述技术方案，所述第一梯度提升树模型、第二梯度提升树模型、第三梯度提升树模型的构建过程，包括从数据库中提取多个数据库样本，每个数据库样本中含有多个特征，采用随机有放回的选择数据库样本来构造出多个训练集和至少一个测试集，所述多个训练集分别通过一决策树输出待检样本结果，再经过待检样本结果投票后得出待检样本最终结果，最后根据所述待检样本最终结果生成多颗回归树。