[发明专利]一种利用多模态风险因素推断癌症风险概率的系统

权利要求书

1.一种利用多模态风险因素推断癌症风险概率的系统，其特征在于，所述系统包括：

数据收集模块：用于获取各类癌症高危人群的风险特征数据集和影响各类癌症发病的主要危险因素的数据集，组成多模态数据集；

特征提取模块：用于对多模态数据集进行预处理，对预处理后的各种模态数据集分别进行风险特征提取；

特征融合模块：确定归一化互信息的多模态融合方式，得到融合特征参数；

模型建立模块：使用Logistic回归分析的方法，建立风险评估模型；

风险评估模块：通过所述风险评估模型推断各类癌症风险概率。

2.根据权利要求1所述利用多模态风险因素推断癌症风险概率的系统，其特征在于，所述多模态数据集中的数据类型包括文本型数据、图片型数据、数值型数据。

3.根据权利要求1所述利用多模态风险因素推断癌症风险概率的系统，其特征在于，所述确定归一化互信息的多模态融合方式，得到融合特征参数之前还包括：

通过宽度学习系统得到各个模态数据集的宽度学习特征映射，宽度学习系统包括数据输入层、特征映射层、权重学习层和预测输出层。

4.根据权利要求3所述利用多模态风险因素推断癌症风险概率的系统，其特征在于，所述宽度学习系统中，特征映射层用于：

将输入的特征数据X随机映射到一组特征节点；

将特征节点随机映射到一组增强节点；

根据特征节点和增强节点得到单个模态数据集的宽度学习特征映射；

计算出所有模态数据集的宽度特征映射，得到增强节点映射条件下的特征节点作为各个模态数据集的宽度学习特征映射。

5.根据权利要求4所述利用多模态风险因素推断癌症风险概率的系统，其特征在于，所述多模态融合方式具体为：

对于每一个模态的特征数据，分别利用不同的方法提取特征参数；

对各个模态所包含的特征参数进行归一化处理；

对进行归一化处理后的特征参数进行加权融合，生成融合特征参数。

6.根据权利要求5所述利用多模态风险因素推断癌症风险概率的系统，其特征在于，所述使用Logistic回归分析的方法，建立风险评估模型的过程中，使用逐步回归法，在方程中每引入一个变量后，对己引入方程的各个自变量进行统计学检验，检验是否需要剔除一些退化为无统计学意义的自变量，重复上述双向筛选过程，直到方程外无自变量可引入，方程内无自变量可剔除为止，得到一个局部最优的回归方程。

7.根据权利要求1所述利用多模态风险因素推断癌症风险概率的系统，其特征在于，所述建立风险评估模型之后还包括：

设置风险预测规则和评分范围，重新选取测试数据对癌症风险评估模型进行各项数据的测算，验证癌症风险评估模型的准确度。

8.一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；

其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现权利要求1～7任一项所述的系统。

9.一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现权利要求1～7任一项所述的系统。