公开(公告)号：CN114743685B

公开(公告)日：2024-01-05

申请号：CN202210338149.5

申请日：2022-04-01

Applicant: 中国医学科学院北京协和医院

Inventor： 朱兰 ,  王姝 ,  刘西洋 ,  高颖 ,  王晓东 ,  郭丰 ,  刘创

IPC: G16H50/70 ,  G16H50/30 ,  G16H10/60

Abstract: 本发明提供了一种基于人工智能的子宫内膜癌风险筛查方法及系统，所述方法包括训练过程和验证过程。所述系统包括数据处理模块，用于进行数据处理，提取数据的特征信息，进行标注处理，形成结构化的数据；Xgboost损失模型模块，用于对结构化的数据进行训练或预测，得到训练后或预测后的数据；Lasso模型简化模块，用于特征简化，得到特征数据矩阵；BR岭模型模块，针对训练后的数据得到子宫内膜癌风险筛查预测模型，针对预测后的数据得到子宫内膜癌风险预测值。本发明可广泛用于门诊或体检常规病人的横断面风险筛查，避免漏检高危病人，同时自动化的风险筛查方便医生工作，提高效率；还可以将风险预测模型前移到患者端进行初筛，方便患者的自我监测和管理。

公开(公告)号：CN114743685A

公开(公告)日：2022-07-12

申请号：CN202210338149.5

申请日：2022-04-01

Applicant: 中国医学科学院北京协和医院

Inventor： 朱兰 ,  王姝 ,  刘西洋 ,  高颖 ,  王晓东 ,  郭丰 ,  刘创

IPC: G16H50/70 ,  G16H50/30 ,  G16H10/60

Abstract: 本发明提供了一种基于人工智能的子宫内膜癌风险筛查方法及系统，所述方法包括训练过程和验证过程。所述系统包括数据处理模块，用于进行数据处理，提取数据的特征信息，进行标注处理，形成结构化的数据；Xgboost损失模型模块，用于对结构化的数据进行训练或预测，得到训练后或预测后的数据；Lasso模型简化模块，用于特征简化，得到特征数据矩阵；BR岭模型模块，针对训练后的数据得到子宫内膜癌风险筛查预测模型，针对预测后的数据得到子宫内膜癌风险预测值。本发明可广泛用于门诊或体检常规病人的横断面风险筛查，避免漏检高危病人，同时自动化的风险筛查方便医生工作，提高效率；还可以将风险预测模型前移到患者端进行初筛，方便患者的自我监测和管理。