-
公开(公告)号：CN112927795A
公开(公告)日：2021-06-08
申请号：CN202110203468.0
申请日：2021-02-23
申请人： 山东大学
摘要： 本发明属于乳腺癌预测技术领域，尤其涉及基于bagging算法的乳腺癌预测方法，病例‑对照数据收集：基于乳腺癌防治相关知识设计调查问卷，问卷包含被认为对乳腺癌有影响的特征变量，通过该问卷收集来自中国三省一市25‑70岁122058名女性的乳腺疾病流行病学研究数据，记录病例‑对照数据备份，数据处理：对问卷收集来的数据进行数据清洗，删除重复信息以及缺失值或异常值过多的无效样本和特征变量。该基于bagging算法的乳腺癌预测方法，通过集成学习建立了一个有效的预测乳腺癌患病风险的模型，帮助医护人员预测处于乳腺癌的患者，及时并准确地对高危人群采取针对性的措施，这将有助于乳腺癌的辅助诊断和预防，为智能诊断作出贡献。
-
公开(公告)号：CN116364268B
公开(公告)日：2023-11-17
申请号：CN202211355613.8
申请日：2022-11-01
申请人： 山东大学
摘要： 本发明公开了一种新型基于惩罚COX回归的乳腺癌预测方法，本发明中基预测器的训练较传统的COX回归模型有所不同：一是增加了一个变量预筛选过程‑‑对变量进行了原则性的COX确定独立筛选程序，即PSIS程序，可以更有效地处理超高维数据；二是较传统的COX模型预测目标值有所变化，传统的COX模型用于预测疾病风险时仅考虑协变量对于个体发生结局事件的影响，即仅将βTZ作为预测值来考量个体相对于指标正常人群的发病风险，而本发明则进一步考虑了时间对结局事件发生的影响，基于Breslow估计量进一步计算个体在目前未患乳腺癌的情况下，未来某一段时间内患乳腺癌的风险，能够实现风险的动态监测。
-
公开(公告)号：CN116364268A
公开(公告)日：2023-06-30
申请号：CN202211355613.8
申请日：2022-11-01
申请人： 山东大学
摘要： 本发明公开了一种新型基于惩罚COX回归的乳腺癌预测方法，本发明中基预测器的训练较传统的COX回归模型有所不同：一是增加了一个变量预筛选过程‑‑‑对变量进行了原则性的COX确定独立筛选程序，即PSIS程序，可以更有效地处理超高维数据；二是较传统的COX模型预测目标值有所变化，传统的COX模型用于预测疾病风险时仅考虑协变量对于个体发生结局事件的影响，即仅将βTZ作为预测值来考量个体相对于指标正常人群的发病风险，而本发明则进一步考虑了时间对结局事件发生的影响，基于Breslow估计量进一步计算个体在目前未患乳腺癌的情况下，未来某一段时间内患乳腺癌的风险，能够实现风险的动态监测。
-
公开(公告)号：CN112927795B
公开(公告)日：2022-09-23
申请号：CN202110203468.0
申请日：2021-02-23
申请人： 山东大学
摘要： 本发明属于乳腺癌预测技术领域，尤其涉及基于bagging算法的乳腺癌预测方法，病例‑对照数据收集：基于乳腺癌防治相关知识设计调查问卷，问卷包含被认为对乳腺癌有影响的特征变量，通过该问卷收集来自中国三省一市25‑70岁122058名女性的乳腺疾病流行病学研究数据，记录病例‑对照数据备份，数据处理：对问卷收集来的数据进行数据清洗，删除重复信息以及缺失值或异常值过多的无效样本和特征变量。该基于bagging算法的乳腺癌预测方法，通过集成学习建立了一个有效的预测乳腺癌患病风险的模型，帮助医护人员预测处于乳腺癌的患者，及时并准确地对高危人群采取针对性的措施，这将有助于乳腺癌的辅助诊断和预防，为智能诊断作出贡献。
-
公开(公告)号：CN114141360A
公开(公告)日：2022-03-04
申请号：CN202111458931.2
申请日：2021-12-02
申请人： 山东大学
摘要： 本发明公开了基于惩罚COX回归的乳腺癌预测方法，将随访数据处理为生存数据备用，数据预处理后的全部预测因子作为模型的输入变量，通过bootstrap法采样获得T个自助样本集，基于不同的自助样本集分别独立构建惩罚COX回归模型作为集成学习的基预测器，基预测器构建后，使用简单平均法组合该T个基预测器，最终形成集成惩罚COX回归模型作为乳腺癌发病预测的集成预测器。该基于惩罚COX回归的乳腺癌预测方法，采用Bagging集成框架和惩罚回归模型的独特结构，有助于探讨不同维度因素与我国女性乳腺癌发病风险的关系，从而辅助医生对预防乳腺癌发病给出建议，可以降低估计量的方差，避免了单一分类器估计的不稳定性，提高了预测性能。
-
-
-
-
搜索结果
5 条记录 (耗时 0.02 秒)
