公开(公告)号：CN114724715A

公开(公告)日：2022-07-08

申请号：CN202210380302.0

申请日：2022-04-12

Applicant: 南京邮电大学

Inventor： 陈建新 ,  黄湘君 ,  周亮 ,  李昂 ,  许景艳 ,  蒋冲

IPC: G16H50/30 ,  G16H30/20 ,  G06V10/771 ,  G06V10/764 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明所述的一种基于最优AUC的多机器学习模型特征选择方法，其步骤为：步骤1、输入影响组学特征数据集，对所有输入的特征进行预处理；步骤2、选择多种机器学习模型交叉组合进行进一步的特征筛选模型构建，迭代计算每一个高重现性特征子集的影像组学模型AUC；步骤3、对AUC结果进行比较，选取最优AUC，获得最优高重现性特征集，并将AUC结果生成可视化热力图。本发明通过交叉组合的方式形成了幂增数量的组合特征选择分类器，迭代地对所获得高重现性特征集进行了影像组学模型AUC的计算以及对比，并根据最优AUC自动进行最优高重现性特征集的选择；在进行特征筛选之后，可以生成相应的高重现性特征集进行广泛测试，避免偶然性，增加可靠性。