[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

摘要

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。

主权项

1.一种基于梯度提升树模型的慢性肝病风险评估系统，其特征在于：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。