公开(公告)号：CN118942717A

公开(公告)日：2024-11-12

申请号：CN202310531821.7

申请日：2023-05-12

申请人： 华中师范大学

发明人： 何家星 ,  田翼

IPC分类号： G16H50/70 ,  G16H50/20 ,  G16H50/30 ,  G06F18/241

摘要： 本发明公开了一种基于数据挖掘实现早期肺癌的预后及转移预测方法。该方法包括步骤：读取SEER肺癌数据集，对数据做预处理包括缺失值、重复值处理，构造目标变量用于有监督学习，对所述数据集进行标准化处理并采用下采样方法解决数据不平衡问题，将所述平衡后的数据集划分为训练集和测试集，用随机梯度提升算法进行训练预测肺癌预后情况，读取所述肺癌预后数据，将肺癌转移划分为11个方向并构造成多分类变量，采用基于SMOTE的代价敏感SVM算法平衡所述肺癌预后数据，将所述平衡后的肺癌预后数据划分为训练集和测试集，用极端随机树算法进行训练，利用训练好的所述极端随机树模型进行早期肺癌转移预测。本发明可以提高早期肺癌转移预测的准确性。

公开(公告)号：CN118969237A

公开(公告)日：2024-11-15

申请号：CN202310536861.0

申请日：2023-05-13

申请人： 华中师范大学

发明人： 田翼 ,  何家星

IPC分类号： G16H50/20 ,  G16H50/30 ,  G06T7/00 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于神经网络结合传统影像学对直肠癌淋巴结转移预测方法。该方法包括步骤：提出了一种采用深度学习的方法结合影像组学的方法，对直肠癌是否发生淋巴结转移进行预测；为了构建特征提取模型，利用深度学习技术，分别构建了卷积神经网络（CNN）和采用基于全卷积神经网络的U‑Net框架，使用Pyradiomics包来对放射学特征提取；最后，对提取的特征进行特征选择以及构建二分类模型采用F1‑Score进行评估，在预测直肠癌淋巴结转移模型中发现XGBoost集成学习算法相比其他传统算法效果更好，预测准确率能够达到91%。本发明可以提高对直肠癌是否发生淋巴结转移预测的准确性。