一种口腔癌术后复发风险的预测方法及装置

本发明涉及生物医学工程，尤其涉及一种口腔癌术后复发风险的预测方法及装置。

背景技术：

1、口腔癌是世界上最常见的恶性肿瘤之一，其高致死率和复发率严重影响患者的生活质量。目前，对于口腔癌复发的确诊主要依靠患者术后定期随访复查、发现不适后复诊，还有临床经验判断、影像学mri和ct检测发现异常。口腔癌术后复发会对患者的生命和生活带来极其恶劣的影响，同时也会增加口腔癌的再次治疗难度。

2、由于术后复发的确诊存在着较大的不确定性和滞后性，例如，一方面需要患者具备充足的警惕性，能够拥有足够医从性和随访粘性，另一方面还需要进行人工的精确判断，而人工判断往往受经验的影响。这些因素交杂在一起，导致了对于口腔癌患者术后复发风险的预测并不准确，因此，目前亟需一种新的口腔癌术后复发风险的预测方法来解决现有技术中存在的缺陷。

技术实现思路

1、本发明提供了一种口腔癌术后复发风险的预测方法及装置，以解决现有技术中对口腔癌术后复发风险的预测不准确的技术问题。

2、为了解决上述技术问题，本发明实施例提供了一种口腔癌术后复发风险的预测方法，包括：

3、获取预设的训练数据集，其中，所述训练数据集由若干复发预测因素数据集构成，所述复发预测因素数据集包括：术前预测因素数据集、术中预测因素数据集、术后预测因素数据集和随访预测因素数据集；

4、获取预设的初始预测模型，将训练数据集输入到初始预测模型中，根据预设的模型训练方法对初始预测模型进行训练，得到第一预测模型和复发因素排序表，其中，所述复发因素排序表由对初始预测模型进行训练的过程中得到；

5、将待预测目标的复发预测因素数据集输入到第一预测模型中，并结合所述复发因素排序表，得到待预测目标对应的复发预测值；

6、根据预设的风险划分标准，结合所述待预测目标对应的复发预测值，得到待预测目标的复发风险对应的预测结果。

7、可以理解的是，相对于现有技术，本发明通过收集全面的复发预测因素，包括术前预测因素数据集、术中预测因素数据集、术后预测因素数据集和随访预测因素数据集；通过对预测模型的训练和对复发预测因素的排序，完成预测模型的训练后，得到复发的预测值，最后根据风险划分标准得到复发风险的预测结果。本发明通过收集全面的复发预测因素，从而保证了对预测模型的数据训练的准确性；通过对复发预测因素的排序，提高了预测模型对于复发概率的预测准确性，从而能够得到准确的口腔癌术后复发风险；基于预测模型和复发预测因素的收集与排序，以客观量化的预测方法对术后复发风险进行预测，为目标群体提供了准确的参考依据，避免了因不准确的预测结果导致的目标群体的资源浪费。

8、作为优选方案，所述获取预设的初始预测模型，将所述训练数据集输入到初始预测模型中，根据预设的模型训练方法对初始预测模型进行训练，得到第一预测模型，具体包括：

9、根据自适应合成采样数据增强技术，对所述训练数据集进行数据增强；

10、获取预设的mlp预测模型，将经过数据增强的训练数据集输入到mlp预测模型的输入层后，并通过mlp预测模型的隐藏层的relu激活操作和dropout操作后，根据adamopt imizer方法训练mlp预测模型，得到经过训练的mlp预测模型；

11、将预设的验证数据集输入到经过训练的mlp预测模型，得到经过训练的mlp预测模型的输出结果，根据预设的验证方法对所述经过训练的mlp预测模型的输出结果进行验证；

12、当验证结果不满足预设的标准时，对经过训练的mlp预测模型进行优化和再次训练，直到mlp预测模型的输出结果满足预设的标准，完成对mlp预测模型的训练，得到第一预测模型。

13、通过训练数据集和验证数据集对预测模型进行预测的训练和训练结果的验证，保证了预测模型的预测能力符合要求，能够准确的对复发概率进行预测。

14、作为优选方案，所述复发因素排序表由对初始预测模型进行训练的过程中得到，具体包括：

15、依次从提取中提取出一个复发预测因素，并将训练数据集中的其他复发预测因素都输入到第一预测模型中，得到被提取的复发预测因素的重要性分数后，将被提取的复发预测因素再次加入到训练数据集中，直到得到训练数据集中的所有复发预测因素对应的重要性分数；

16、根据预设的排序规则，结合训练数据集中每一个复发预测因素对应的重要性分数，生成复发因素排序表。

17、通过对复发预测因素进行重要性分数的计算，以及根据重要性排序分数进行复发预测因素重要性的排序，能够提高预测模型的预测准确度。

18、作为优选方案，所述根据预设的风险划分标准，结合所述待预测目标对应的复发预测值，得到待预测目标的复发风险对应的预测结果，具体包括：

19、获取待预测目标对应的复发预测值和预设的风险划分标准，当复发预测值低于小0％时，将待预测目标的复发风险的预测结果设置为极低风险；当复发预测值大于等于20％且小于40％时，将待预测目标的复发风险的预测结果设置为低风险；当复发预测值大于等于40％且小于60％时，将待预测目标的复发风险的预测结果设置为中风险；当复发预测值大于等于60％且小于80％时，将待预测目标的复发风险的预测结果设置为高风险；当复发预测值大于80％时，将待预测目标的复发风险的预测结果设置为极高风险。

20、通过将预测模型输出的复发预测值转换为对应的复发风险预测结果，能够更直观的为目标人群显示预测结果。

21、作为优选方案，所述根据预设的风险划分标准，结合所述待预测目标对应的复发预测值，得到待预测目标的复发风险对应的预测结果，之后还包括：

22、获取待预测目标的实际复发结果，根据所述实际复发结果对第一预测模型的预测结果进行纠正和对第一预测模型进行优化；

23、获取待预测目标的身体特征信息，根据所述身体特征信息，对复发预测因素的数据集进行更新。

24、通过待预测目标的实际复发结果和身体特征信息，分别对第一预测模型进行纠正优化和复发预测因素的更新，能够更好的提高预测模型的预测准确度。

25、相应的，本发明实施例提供了一种口腔癌术后复发风险的预测装置，包括：数据集获取模块、预测模型训练模块、预测值计算模块和复发风险预测模块；

26、所述数据集获取模块用于获取预设的训练数据集，其中，所述训练数据集由若干复发预测因素数据集构成，所述复发预测因素数据集包括：术前预测因素数据集、术中预测因素数据集、术后预测因素数据集和随访预测因素数据集；

27、所述预测模型训练模块用于获取预设的初始预测模型，将所述训练数据集输入到初始预测模型中，根据预设的模型训练方法对初始预测模型进行训练，得到第一预测模型和复发因素排序表，其中，所述复发因素排序表由对初始预测模型进行训练的过程中得到；

28、所述预测值计算模块用于将待预测目标的复发预测因素数据集输入到第一预测模型中，并结合所述复发因素排序表，得到待预测目标对应的复发预测值；

29、所述复发风险预测模块用于根据预设的风险划分标准，结合所述待预测目标对应的复发预测值，得到待预测目标的复发风险对应的预测结果。

30、作为优选方案，所述预测模型训练模块，包括：预测模型训练单元；

31、所述预测模型训练单元用于根据自适应合成采样数据增强技术，对所述训练数据集进行数据增强；

32、获取预设的mlp预测模型，将所述经过数据增强的训练数据集输入到mlp预测模型的输入层后，并通过mlp预测模型的隐藏层的relu激活操作和dropout操作后，根据adamoptimi zer方法训练mlp预测模型，得到经过训练的mlp预测模型；

33、将预设的验证数据集输入到经过训练的mlp预测模型，得到经过训练的mlp预测模型的输出结果，根据预设的验证方法对所述经过训练的mlp预测模型的输出结果进行验证；

34、当验证结果不满足预设的标准时，对经过训练的mlp预测模型进行优化和再次训练，直到mlp预测模型的输出结果满足预设的标准，完成对mlp预测模型的训练，得到第一预测模型。

35、作为优选方案，所述预测模型训练模块，还包括：复发因素排序单元；

36、所述复发因素排序单元用于依次从提取中提取出一个复发预测因素，并将训练数据集中的其他复发预测因素都输入到第一预测模型中，得到被提取的复发预测因素的重要性分数后，将被提取的复发预测因素再次加入到训练数据集中，直到得到训练数据集中的所有复发预测因素对应的重要性分数；

37、根据预设的排序规则，结合训练数据集中每一个复发预测因素对应的重要性分数，生成复发因素排序表。

38、作为优选方案，所述复发风险预测模块，包括：复发风险预测单元；

39、所述复发风险预测单元用于获取待预测目标对应的复发预测值和预设的风险划分标准，当复发预测值低于小0％时，将待预测目标的复发风险的预测结果设置为极低风险；当复发预测值大于等于20％且小于40％时，将待预测目标的复发风险的预测结果设置为低风险；当复发预测值大于等于40％且小于60％时，将待预测目标的复发风险的预测结果设置为中风险；当复发预测值大于等于60％且小于80％时，将待预测目标的复发风险的预测结果设置为高风险；当复发预测值大于80％时，将待预测目标的复发风险的预测结果设置为极高风险。

40、作为优选方案，所述复发风险预测模块，还包括：复发风险预测优化单元；

41、所述复发风险预测优化单元用于获取待预测目标的实际复发结果，根据所述实际复发结果对第一预测模型的预测结果进行纠正和对第一预测模型进行优化；

42、获取待预测目标的身体特征信息，根据所述身体特征信息，对复发预测因素的数据集进行更新。

43、可以理解的是，相对于现有技术，本装置通过收集全面的复发预测因素，包括术前预测因素数据集、术中预测因素数据集、术后预测因素数据集和随访预测因素数据集；通过对预测模型的训练和对复发预测因素的排序，完成预测模型的训练后，得到复发的预测值，最后根据风险划分标准得到复发风险的预测结果。本装置通过收集全面的复发预测因素，从而保证了对预测模型的数据训练的准确性；通过对复发预测因素的排序，提高了预测模型对于复发概率的预测准确性，从而能够得到准确的口腔癌术后复发风险；基于预测模型和复发预测因素的收集与排序，以客观量化的预测方法对术后复发风险进行预测，为目标群体提供了准确的参考依据，避免了因不准确的预测结果导致的目标群体的资源浪费。