摘要
本发明提出一种基于机器学习的胃癌手术相关并发症预测方法及系统,包括:获取患者的样本特征,并进行预处理;样本特征包括临床特征、实验室特征、影像学特征及手术相关特征;对样本特征采用交叉验证的随机森林算法,筛选出最优样本特征;在最优样本特征中抽取出年龄特征,利用逻辑回归模型得到年龄特征与其他最优样本特征的交互项;检验交互项的显著性,将显著交互项作为修正特征与最优样本特征一同输入XGBoost模型进行训练,用于胃癌并发症预测。通过从多种患者特征中筛选出与并发症强相关的最优特征,并考虑最优特征中年龄与其他特征之间的交互作用得到交互项,在预测模型中引入这些交互项以提高并发症预测效率和准确性。
技术关键词
胃癌手术
XGBoost模型
样本
逻辑回归模型
内脏脂肪面积
随机森林
嗜碱性粒细胞计数
嗜酸性粒细胞计数
中性粒细胞计数
谷氨酰转移酶
网格搜索方法
谷丙转氨酶
谷草转氨酶
术后并发症
模型训练模块
手术入路
碱性磷酸酶
患者
系统为您推荐了相关专利信息
图像
无标签样本
检测模型训练方法
计算机执行指令
异常检测方法
卷积神经网络模型
方差算法
绕组
在线识别方法
变压器
威胁检测方法
恶意流量检测
样本
预训练模型
加密