CN117727452B 宫颈细胞高级别病变风险预测方法及系统 （明兰世迦(北京)医疗科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN117727452B(45)授权公告日2025.07.04

(21)申请号202311554606.5

(22)申请日2023.11.21

(65)同一申请的已公布的文献号申请公布号CN117727452A

(43)申请公布日2024.03.19

(73)专利权人明兰世迦(北京)医疗科技有限公

司

地址102206北京市昌平区生命科学园医

科路9号院4号楼三层303-156

(72)发明人杜欣欣李帅帅

(74)专利代理机构北京智丞瀚方知识产权代理有限公司11810

专利代理师姜司晨

(51)Int.CI.

G16H50/30(2018.01)

GO6F18/213(2023.01)

(56)对比文件

孙麟.基于stacking集成学习的宫颈癌预警模型.《中国优秀硕士学位论文全文数据库医药卫生科技辑》.2022,(第04期),E068-53.

审查员袁一民

权利要求书3页说明书6页附图1页

(54)发明名称

宫颈细胞高级别病变风险预测方法及系统

(57)摘要

CN117727452B本发明提出了一种宫颈细胞高级别病变风险预测方法，所述方法包括：收集患者原始检测结果，并进行数据脱敏处理，得到检测结果数据；对检测结果数据进行数据预处理，得到原始分析数据；将所述原始分析数据分别输入到第一分析模型、第二分析模型及第三分析模型中，分别得到第一预测结果、第二预测结果及第三预测结果；从原始分析数据中提取关键特征类型对应的特征数值作为目标分析数据；将第一预测结果、第二预测结果、第三预测结果及所述目标分析数据输入至第四预测模型中，获得第四预测结果；该方法通过整合多种宫颈化验数据综合评估宫

CN117727452B

步骤1、收集患者原始检测结果并进行脱敏处理

步骤2、进行数据预处理

步骤3、分别获得第一预测结果、第二预测结果、第三预测结果

步骤4、提取目标分析数据

步骤5、基于第一预测结果、第二预测结果、第三预测结果及目标分析数据获得第四预测结果

CN117727452B权利要求书1/3页

2

1.一种宫颈细胞高级别病变风险预测方法，其特征在于，

所述方法包括以下步骤：

步骤1、收集患者原始检测结果，并进行数据脱敏处理，其中对身份证号、现居住地、电话号码字段执行数据删除，对出生日期字段进行替换，得到检测结果数据；所述患者原始检测结果由个人基本信息、个人生活数据、TCT化验数据、HPV亚型化验数据组成；

步骤2、对检测结果数据进行数据预处理，得到原始分析数据；

步骤3、将所述原始分析数据分别输入到第一分析模型、第二分析模型及第三分析模型中，分别得到第一预测结果、第二预测结果及第三预测结果；

步骤4、从原始分析数据中提取关键特征类型对应的特征数值作为目标特征数据；

步骤5、将第一预测结果、第二预测结果、第三预测结果及所述目标特征数据输入至第四预测模型中，获得第四预测结果；所述第四预测结果由预测分类结果数据及结果置信度数据组成，为宫颈细胞高级别病变风险预测结果，当模型预测结果和人为判断不一致时，需要更多的医学举证来证明人为判断的可靠性；

所述第四预测模型按照以下方式得到：

S3、利用第一预测模型、第二预测模型、第三预测模型分别对训练集进行预测，并将预测结果组合得到基础训练预测结果；

S4、根据第一关联度计算规则计算原始训练数据中的各特征类型与原始数据标签的关联度；所述原始训练数据由原始特征数据及对应的原始数据标签组成；所述原始特征数据包括若干特征类型及对应特征数值；所述第一关联度计算规则包括皮尔逊相关系数、斯皮尔曼等级、欧氏距离、余弦相似度、Jaccard相关系数中的一种或多种方式的组合；按照第一数据筛选规则筛选获得关键特征类型；从原始训练数据中提取所述关键特征类型及对应特征数值作为目标特征数据；所述第一数据筛选规则为：对所有特征类型按照关联度排序，选择关联度排名前N位的特征类型作为关键特征类型；

S5、创建元分类器，并以基础训练预测结果及所述目标特征数据作为输入、所述目标特征数据对应的原始数据标签作为输出，进行模型训练；

S6、通过调整预测阈值为预设阈值，微调S5训练的元分类器；

S7、利用第一预测模型、第二预测模型、第三预测模型分别对验证集进行预测，并将预测结果组合得到基础验证预测结果；

S8、借助所述基础验证预测结果对S6训练的元分类器