基于集成学习模型的前列腺癌三分类风险分层方法

本发明公开了一种基于集成学习模型的前列腺癌三分类风险分层方法，涉及数据处理与分析技术领域。该方法通过收集PSA升高患者的临床信息及病理数据，将数据分为训练集、测试集；对训练集预处理，用LASSO回归筛选预测特征；基于特征构建多个机器学习基模型，经交叉验证训练优化；通过集成策略构建软投票、堆叠集成模型；依集成模型预测概率设置双阈值，建立分层规则；结合集成模型与规则构成三分类模型，依概率判定低、高、中风险；最后在测试集验证模型诊断性能。本方法通过跨模态特征整合与集成学习，为PSA<30ng/mL人群提供精准风险分层，优化活检决策效率，减少过度穿刺与漏诊风险。