(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211283066.7 (22)申请日 2022.10.18 (71)申请人 中国地质大 学 （北京） 地址 100083 北京市海淀区学院路2 9号中 国地质大 学 （北京） (72)发明人 金旸　廉海荣　郭翠平　李德湘　 初玉婷　 (74)专利代理 机构 北京友联知识产权代理事务 所(普通合伙) 11343 专利代理师 王淑梅　薛鹏 (51)Int.Cl. G06K 9/62(2022.01) G16H 50/20(2018.01) (54)发明名称 基于乳腺癌变量的分类模型建立方法及系 统、 存储介质 (57)摘要 本申请提供了一种基于乳腺癌变量的分类 模型建立方法及系统、 存储介质， 属于医疗数据 处理技术领域， 基于乳 腺癌变量的分类模型建立 方法包括： 获取乳腺癌数据， 对乳腺癌数据进行 预处理； 基于乳腺癌数据建立数据集， 并根据数 据集划分出训练集和测试集， 划分数据集的方法 包括以下之一： 随机子抽样验证法、 交叉验证法 和自助法； 基于数据集进行变量筛选， 得出筛选 结果； 基于筛选 结果， 通过Adaboost分类器和/或 随机森林分类器 建立分类模型； 通过模型评价指 标对分类模 型进行评价， 模型评价指标包括精准 率、 召回率、 F1值和ROC曲线。 通过本申请的技术 方案， 能够提高乳腺癌重要变量的预测精度， 有 利于医疗预防和筛查防护。 权利要求书2页 说明书7页 附图3页 CN 115358351 A 2022.11.18 CN 115358351 A 1.一种基于 乳腺癌变量的分类模型建立方法， 其特 征在于， 包括： 获取乳腺癌数据， 对所述乳腺癌数据进行 预处理； 基于所述乳腺癌数据建立数据集， 并根据所述数据集划分出训练集和测试集， 划分所 述数据集的方法包括以下之一： 随机 子抽样验证法、 交叉验证法和自助法； 基于所述数据集进行变量筛 选， 得出筛选结果； 基于所述筛 选结果， 通过Adabo ost分类器和/或随机森林分类 器建立分类模型； 通过模型评价指标对所述分类模型进行评价， 所述模型评价指标包括精准率、 召回率、 F1值和ROC曲线。 2.根据权利要求1所述的基于乳腺癌变量的分类模型建立方法， 其特征在于， 所述获取 乳腺癌数据， 对所述乳腺癌数据进行 预处理， 具体包括： 获取乳腺癌数据； 对所述乳腺癌数据进行数据归一化， 所述数据归一化的方法包括Min ‑Max归一化和零 均值归一 化； 对所述乳腺癌数据进行异常值处理， 所述异常值处理的方法包括直接删除法、 序列均 值填充法、 临近点均值 填充、 中位数填充和线性插值。 3.根据权利要求2所述的基于乳腺癌变量的分类模型建立方法， 其特征在于， 所述Min ‑ Max归一化的公式为： ； 其中， 表示第i个变量的某一个值， 表示第i个变量的最小值， 表示第i个变量 的最大值， 是归一化后的变量。 4.根据权利要求2所述的基于乳腺癌变量的分类模型建立方法， 其特征在于， 所述零均 值归一化的公式为： ； 其中， 是样本的均值， 是样本的标准差， 为归一化后的变量， 为原始数据。 5.根据权利要求1至4中任一项所述的基于乳腺癌变量的分类模型建立方法， 其特征在 于， 所述变量筛选的方法包括Lasso变量筛选、 随机森 林变量筛选、 SIS变量筛选和DC ‑SIS变 量筛选。 6.根据权利要求1至4中任一项所述的基于乳腺癌变量的分类模型建立方法， 其特征在 于， 所述精准 率的公式为： ； 其中， 为精准率， 表示真实值是P ositive， 模型认为是P ositive的数量， 表示真实值是Positive， 模型认为是Neg ative的数量。 7.根据权利要求1至4中任一项所述的基于乳腺癌变量的分类模型建立方法， 其特征在 于， 所述召回率的公式为：权　利　要　求　书 1/2 页 2 CN 115358351 A 2； 其中， 为召回率， 表示真实值是Positive， 模型认为是Positive的数量， 表 示真实值是Positive， 模型认为是Neg ative的数量。 8.一种基于 乳腺癌变量的分类模型建立系统， 其特 征在于， 包括： 获取模块 （1 10） ， 用于获取乳腺癌数据， 对所述乳腺癌数据进行 预处理； 数据集划分模块 （120） ， 用于基于所述乳腺癌数据建立数据集， 并根据所述数据集划分 出训练集和测试集， 划分所述数据集的方法包括以下之一： 随机子抽样验证法、 交叉验证法 和自助法； 筛选模块 （13 0） ， 用于基于所述数据集进行变量筛 选， 得出筛选结果； 分类模型建立模块 （140） ， 用于基于所述筛选结果， 通过Adaboost分类器和/或随机森 林分类器建立分类模型； 评价模块 （150） ， 用于通过模型评价指标对所述分类模型进行评价， 所述模型评价指标 包括精准 率、 召回率、 F1  值和ROC曲线。 9.一种基于 乳腺癌变量的分类模型建立系统， 其特 征在于， 包括： 存储器 （300） 和处理器 （400） ， 其中， 所述存储器 （300） 上存储有可在所述处理器 （400） 上运行的程序或指令， 所述处理器 （400） 执行所述程序或所述指令时实现如权利要求1至7 中任一项所述的基于 乳腺癌变量的分类模型建立方法的步骤。 10.一种可读存储介质， 其上存储有程序或指令， 其特征在于， 所述程序或所述指令被 处理器执行时实现如权利要求1至7中任一项所述的基于乳腺癌变量的分类模型建立方法 的步骤。权　利　要　求　书 2/2 页 3 CN 115358351 A 3