一种基于可解释性机器学习的甲状腺结节辅助诊断模型及系统

本发明涉及一种基于可解释性机器学习的甲状腺结节辅助诊断模型及系统，构建方法包括：收集了甲状腺结节患者的临床资料及相关检查检验数据，构建甲状腺结节患者数据集；通过预设的学习框架对数据进行预处理，接着通过特征工程进行特征递减消除从而建立预测模型，通过交叉验证的方法对模型性能进行评估，选出最佳预测性能模型，然后通过对超参数进行调整进一步对模型进行优化，并通过交叉验证和迭代的方法找出最佳模型，最后通过可解释性方法对模型进行解释。本发明构建的可解释性机器学习模型，能够整合大量临床数据从而可靠的预测甲状腺结节患者良恶性的风险，从而对甲状腺结节患者进行个体化智能诊疗。