[发明专利]一种医学分析方法、装置、设备及存储介质

权利要求书

1.一种医学分析方法，其特征在于，包括：

根据基于集成学习算法训练生成的生物标志物分类模型以及获取的所述生物标志物分类模型中的生物标志物的检测数据确定并输出医学分析结果；其中

所述基于集成学习算法训练生成的生物标志物分类模型的综合评价分值最高；所述综合评价至少包括准确率评价、特异性评价以及敏感度评价中的两种。

2.根据权利要求1所述的医学分析方法，其特征在于，所述生物标志物分类模型训练生成的步骤，具体包括：

根据样本数据、多种分类算法以及预先获得的潜在生物标志物集合，确定与所述多种分类算法分别对应的多个潜在生物标志物子集合；所述潜在生物标志物集合包括多个潜在生物标志物；

根据预设的评分规则以及所述多个潜在生物标志物子集合，确定各个所述潜在生物标志物的重要度分值，并筛选出多个候选生物标志物；

根据所述样本数据，分别计算多个候选生物标志物筛选模型在所述多种分类算法下的综合评价分值；所述候选生物标志物筛选模型包括若干个候选生物标志物；

按照预设的分类算法对所述综合评价分值最高的候选生物标志物筛选模型进行训练，生成生物标志物分类模型。

3.根据权利要求2所述的医学分析方法，其特征在于，在所述根据样本数据、多种分类算法以及预先获得的潜在生物标志物集合，确定与所述多种分类算法分别对应的多个潜在生物标志物子集合的步骤之前，还包括：

对缺失的样本数据进行填充，生成完整样本数据；

对所述完整样本数据进行对数转换，生成正态分布样本数据；

所述根据样本数据、多种分类算法以及预先获得的潜在生物标志物集合，确定与所述多种分类算法分别对应的多个潜在生物标志物子集合的步骤具体为：

根据所述正态分布样本数据、多种分类算法以及预先获得的潜在生物标志物集合，确定与所述多种分类算法分别对应的多个潜在生物标志物子集合。

4.根据权利要求2或3所述的医学分析方法，其特征在于，在所述按照预设的分类算法对所述综合评价分值最高的候选生物标志物筛选模型进行训练，生成集成学习生物标志物分类模型的步骤之后，还包括：

根据测试数据，计算所述集成学习生物标志物分类模型的综合评价分值。

5.根据权利要求2~4任一权利要求所述的医学分析方法，其特征在于，所述预先获得的潜在生物标志物集合预先获得的步骤，具体包括：

根据统计校验法对样本数据进行差异分析，并确定潜在生物标志物集合。

6.根据权利要求2所述的医学分析方法，其特征在于，所述根据预设的评分规则以及所述多个潜在生物标志物子集合，确定各个所述潜在生物标志物的重要度分值的步骤，具体包括：

确定各个潜在生物标志物在所述多个潜在生物标志物子集合中的选中频率；

确定所述多个潜在生物标志物子集合中各个潜在生物标志物的贡献度分值；

根据所述各个潜在生物标志物的选中频率、所述多个潜在生物标志物子集合中各个潜在生物标志物的贡献度分值以及各个所述潜在生物标志物子集合的预设权重计算各个所述潜在生物标志物的重要度分值。

7.根据权利要求6所述的医学分析方法，其特征在于，所述根据所述样本数据，分别计算多个候选生物标志物筛选模型在所述多种分类算法下的综合评价分值的步骤，具体包括：

根据各个所述候选生物标志物的重要度分值对所述多个候选生物标志物进行排序；

根据所述样本数据以及数值N，分别计算由前N个候选生物标志物组成的候选生物标志物筛选模型在所述多种分类算法下的综合评价分值；所述N为不大于候选生物标志物个数的正整数。

8.一种医学分析装置，其特征在于，包括：

分析模块，用于根据基于集成学习算法训练生成的生物标志物分类模型以及获取的所述生物标志物分类模型中的生物标志物的检测数据确定并输出医学分析结果；其中

所述基于集成学习算法训练生成的生物标志物分类模型的综合评价分值最高；所述综合评价至少包括准确率评价、特异性评价以及敏感度评价中的两种。