[发明专利]一种基于卷积神经网络的食管鳞癌患者生存风险预测方法

说明书

本发明提出了一种基于卷积神经网络的食管鳞癌患者生存风险预测方法，其步骤为：首先，收集食管鳞癌患者的M种临床表型指标以及生存信息作为原始数据；其次，使用Kaplan‑Meier法及log‑rank法研究获得食管癌患者临床表型指标与生存期信息的关系；再利用单因素COX回归分析影响患者生存预后的临床表型指标；再通过Relief特征选择算法和Pearson相关性分析提取与患者生存风险相关性更强的临床表型指标；最后使用卷积神经网络利用相关性更强的临床表型指标构建食管鳞癌患者生存风险预测模型，进而判断患者预后生存风险的高低。本发明较为准确地预测食管鳞癌患者术后的生存状况，提高预后风险预测的能力，降低预后风险预测的成本。

技术领域

本发明涉及癌症风险评估技术领域，特别是指一种基于卷积神经网络的食管鳞癌患者生存风险预测方法。

背景技术

食管癌是威胁全人类健康的主要恶性肿瘤之一，其发病率在全球恶性肿瘤中居第8位，死亡率居第6位，全世界每年死于食管癌的人数超过30万人，食管癌主要可分为食管腺癌和食管鳞癌。食管腺癌主要分布在以美国为主的欧美地区，食管鳞癌主要分布在以中国为主的亚洲地区。我国是全球食管癌高发地区之一，食管癌已成为了影响我国人民身体健康的重要疾病。

食管癌发病较为隐匿，早期症状不明显，临床发现的食管癌患者以中晚期患者居多，且患者的预后较差。根据相关统计，中晚期患者的5年整体生存率为15％-34％。目前，外科手术切除联合新辅助放疗和化疗是根治食管癌的首选及最有效的治疗手段。随着食管癌发病率逐渐升高，对癌症患者进行精准的预后预测逐渐成为研究的热点。利用食管鳞癌患者各类临床数据建模并对其进行预后预测能够帮助医生对患者进行更精准的诊断和治疗，对于食管癌患者的治疗有着积极重大的意义。

随着现代医学的不断发展，医疗数据不断增多，从这些信息数据中获取对研究有益的数据就变得非常重要。计算机辅助下的数据分析及建模技术越来越多的应用于癌症诊疗。疾病的风险评估模型是当前广泛应用的疾病高危人群评估工具。基于数据挖掘的智能诊疗是利用大量医学数据，通过相关算法进行数据的分析，构建疾病的风险评估模型。目前国内外已建立的食管鳞癌风险评估模型多以食管鳞癌发病风险预测模型为主，食管鳞癌预后风险评估模型较少且模型预测效果较差。食管鳞癌研究需要一种能够准确判断预后风险的方法。

发明内容

针对现有的背景技术中存在的不足，本发明提出了一种基于卷积神经网络的食管鳞癌患者生存风险预测方法，解决了现有评估模型的预测效果差，不能帮助患者判断预后效果的技术问题。

本发明的技术方案是这样实现的：

一种基于卷积神经网络的食管鳞癌患者生存风险预测方法，其步骤如下：

步骤一：获取食管鳞癌患者的M种临床表型指标、生存期信息和生存状态作为原始数据集；

步骤二：利用Kaplan-Meier法和log-rank法分别对M种临床表型指标与生存期信息和生存状态进行关系分析，根据分析结果将M种临床表型指标分为有用临床表型指标和无用临床表型指标；

步骤三：利用单因素COX回归分别对M种临床表型指标与生存期信息和生存状态进行回归分析，得到了与步骤二相同的有用临床表型指标；

步骤四：根据各个有用临床表型指标和食管鳞癌患者的高低风险类别的相关性，采用Relief特征选择算法计算各个有用临床表型指标的权重值，并将权重值小于权重法阈值的临床表型指标移除，得到与食管鳞癌患者生存风险相关度高的临床表型指标；

步骤五：利用Pearson相关性分析法计算与食管鳞癌患者生存风险相关度高的临床表型指标之间的相关度，剔除相关性强的临床表型指标，最终得到与食管鳞癌患者生存风险相关度更高的独立临床表型指标；