买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：精智未来(广州)智能科技有限公司

摘要：本申请公开了一种肺结节恶性风险评估的模型构建方法及相关装置，方法包括：获取肺结节良性和恶性对象的呼气样本，进行一次筛选，得到差异标志物集合，融合随机森林算法和递归特征消除结合交叉验证算法，对差异标志物集合进行二次筛选，得到诊断标志物集合，基于诊断标志物集合和多个样本，利用VOC风险评分法构建肺结节恶性风险评估模型，以通过模型进行肺结节恶性风险评估。由此可见，通过采集呼气的方式进行肺结节良恶性风险分析，并根据呼气代谢物与肺结节良恶性之间的相关性进行了两次筛选，保证了肺结节恶性风险分析结果的准确性和可靠性，从而高效辅助医生判断待分析对象肺结节的良恶性。

主权项：1.一种肺结节恶性风险评估的模型构建方法，其特征在于，包括：获取肺结节良性对象的呼气和肺结节恶性对象的呼气，以作为多个样本；基于所述肺结节良性对象的呼气和所述肺结节恶性对象的呼气，进行肺结节良恶性标志物一次筛选，得到差异标志物集合；通过融合随机森林算法和递归特征消除结合交叉验证算法，对所述差异标志物集合进行肺结节良恶性标志物二次筛选，得到诊断标志物集合；基于所述诊断标志物集合和所述多个样本，利用VOC风险评分法构建肺结节恶性风险评估模型；基于所述诊断标志物集合和所述多个样本，利用VOC风险评分法构建肺结节恶性风险评估模型，包括：统计每个样本中所述诊断标志物集合中每个VOC的相对含量，并计算每个VOC对恶性结节判定准确性造成影响的权重系数；根据各个样本中所述诊断标志物集合中的各个VOC的所述权重系数及相对含量，确定高风险阈值和低风险阈值；以所述诊断标志物集合作为模型风险评估分析因素，并基于所述诊断标志物集合中各个VOC对恶性结节判定准确性造成影响的权重系数、所述高风险阈值和所述低风险阈值，构建肺结节恶性风险评估模型；所述根据各个样本中所述诊断标志物集合中的各个VOC的所述权重系数及相对含量，确定高风险阈值和低风险阈值，包括：针对每个样本，将所述样本中的所述诊断标志物集合中每个VOC的所述权重系数，乘以该个VOC的相对含量，得到该个VOC的风险评估得分；针对每个样本，将所述样本中的所述诊断标志物集合中各个VOC的风险评估得分累加，得到所述样本的患病风险值；在各个样本的患病风险值中确定离群值，所述离群值包括恶性肺结节下界限离群值和良性肺结节上界限离群值；在所有样本的患病风险值中剔除所有恶性肺结节下界限离群值，并在剩余样本的患病风险值中将检验出恶性肺结节敏感性最高的阈值，作为高风险阈值；在所有样本的患病风险值中剔除所有良性肺结节上界限离群值，并在剩余样本的患病风险值中将检验出良性肺结节特异性最高的阈值，作为低风险阈值；所述在各个样本的患病风险值中确定离群值，包括：构建各个样本的患病风险值的数据点集；针对所述数据点集内的每个数据点，计算在所述数据点的预设邻域内的数据点数量，若所述数据点的预设邻域内的数据点数量不小于预设最小点数，确定所述数据点为核心点；针对所述数据点集内的每个核心点，确定在所述核心点的所述预设邻域内的非核心点的数据点为边界点；确定所述数据点集内既不为核心点也不为边界点的数据点为离群点，并将每个离群点对应的患病风险值确定为离群值。

全文数据：

权利要求：

百度查询： 精智未来(广州)智能科技有限公司 肺结节恶性风险评估的模型构建方法及相关装置