專利名稱：：用于優(yōu)化結直腸癌診斷的腫瘤標志物多分割點設置系統(tǒng)的制作方法
技術領域：
：本發(fā)明涉及的是一種醫(yī)療器械
技術領域：
的診斷裝置，具體是一種用于優(yōu)化結直腸癌診斷的腫瘤標志物多分割點設置系統(tǒng)。
背景技術：
：結直腸癌是常見的惡性腫瘤，在世界范圍內其死亡率居各種腫瘤的第3位，在西方居第2位，在我國發(fā)病率居第4位，在上海等發(fā)達城市中，其發(fā)病率更上升到了第2位。近年來，越來越多的腫瘤標志物已在結直腸癌的篩査和輔助診斷方面顯示了一定的應用價值。許多醫(yī)學研究探討腫瘤標志物的正常值與非正常值的合適分割點(cutofflevel),從而提高診斷效果。經對現(xiàn)有技術文獻的檢索發(fā)現(xiàn)，Korner在A皿SurgOncol2007;14:417-423(外科腫瘤年報2007;14:417-423)上發(fā)表的文章"DiagnosticAccuracyofSerum-carcinoembryonicAntigeninRecurrentColorectalCancer:aReceiverOperatingCharacteristicCurveAnalysis.，'("血清癌胚抗原在復發(fā)性結直腸癌中的診斷正確率受試者工作曲線分析")，該文中提出，根據臨床數據，將CEA(癌胚抗原)這個腫瘤標志物的最佳分割點設為4ixg/L，凡是大于4g/L者即可診斷為結直腸癌。經檢索還發(fā)現(xiàn)，Carpelan-Holmstrom在"PreoperativeSerumLevelsofCEAandCA242inColorectalCancer."(BrJCancer1995;71:868-872)"結直腸癌術前癌胚抗原和糖類抗原242的血清水平研究"(英國癌癥雜志1995;71:868-872)，該文中認為CEA的分割點應為5tig/L。但是，由于腫瘤標志物值域較廣，其檢測數值隱含了病人患病可能性的重要信息。例如，兩個病人CEA的檢測結果分別為6ug/L和550ug/L，根據以上學者的結論，兩人均可認為是結直腸癌患者，但從醫(yī)生的經驗可知，兩個病人患癌癥的概率明顯不同，甚至CEA為6yg/L的患者很可能是良性，從而導致誤診。因此，腫瘤標志物單分割點的診斷方式過于粗糙，無法定量地給出患癌的概率，無法最大程度地提高診斷效果。而診斷是關乎生命的問題，因此提高腫瘤標志物對于結直腸癌的診斷正確率，在醫(yī)學上具有重大意義。
發(fā)明內容本發(fā)明的目的在于針對上述現(xiàn)有技術的不足，提出了一種用于優(yōu)化結直腸癌診斷的腫瘤標志物多分割點設置系統(tǒng)，它能對檢驗數據進行多層合理劃分，從中推導診斷規(guī)則，提供病人患病的概率，為醫(yī)生提供診斷參考，從而提高診斷正確率。由于這種方法能夠更好得保留原有檢驗數據的信息，因此診斷正確率高于醫(yī)學上的單分割點串并聯(lián)檢驗方法，并且一切過程均由系統(tǒng)自動完成，具有較高實用價值。本發(fā)明是通過以下技術方案實現(xiàn)的，本發(fā)明包括GUI(圖形用戶界面)模塊、檢驗數據存儲模塊、分割點生成模塊、概率診斷模塊和分割點優(yōu)化設置模塊，其中GUI模塊為客戶所使用的圖形用戶界面，通過該界面可以實現(xiàn)用戶與系統(tǒng)的交互性操作，并接受交互式操作過程中各模塊的中間結果或最后結果；檢驗數據存儲模塊用于存放兩類數據，第一類數據為歷史數據，是經過確診的具有各腫瘤標志物的檢驗數據以及經過確診后的診斷結果，此類數據在求取多分割點設置方案時由概率診斷模塊調用；第二類為待分析數據，是還未進行確診的具有各腫瘤標志物的檢驗數據，在進行患結直腸癌的概率分析時由概率診斷模塊調用；分割點生成模塊包括實驗組合子模塊、分割點進化子模塊，其中，實驗組合子模塊負責根據GUI模塊中指定的腫瘤標志物分割點個數生成正交實驗組合矩陣，矩陣中的每一列就是一個分割點組合；分割點進化子模塊接收分割點組合，并接收概率診斷模塊反饋過來的分割點的優(yōu)劣結果，不斷生成診斷正確率更佳的多分割點設置方案，并將分割點設置方案傳輸給概率診斷模塊；概率診斷模塊包括診斷規(guī)則子模塊、患病概率子模塊和診斷正確率評價子模塊，其中診斷規(guī)則子模塊根據分割點進化子模塊生成的分割點設置方案，將校驗數據存儲模塊中的檢驗數據離散化，使用粗糙集中的值約簡法，形成診斷規(guī)則，并傳輸給患病概率子模塊；患病概率子模塊利用診斷規(guī)則，對檢驗數據存儲模塊中的歷史數據逐一做出患病概率的判斷；診斷正確率評價子模塊根據每個檢驗數據的概率值，將每個檢驗數據區(qū)分為結直腸癌或者正常兩類，當完成所有數據的判斷后，與真實診斷結果作對比，統(tǒng)計所有檢驗數據中正確診斷的病例數，以AUC(受試者工作曲線線下面積)作為評價指標，獲知分割點方案下的診斷正確率，反饋給分割點進化子模塊，概率診斷模塊和分割點進化子模塊之間進行反復的信息互動，當達到診斷正確率目標時，輸出多分割點優(yōu)化方案，然后將此信息以及對應的實驗組合、診斷規(guī)則、AUC值等信息傳輸至分割點優(yōu)化設置模塊中的分割點方案收集子模塊；分割點優(yōu)化設置模塊包括分割點方案收集子模塊、方差分析子模塊、方案輸出子模塊，其中，分割點方案收集子模塊負責集合所有實驗組合下的多分割點優(yōu)化方案、診斷規(guī)則及AUC值，并傳輸給方差分析子模塊；方差分析子模塊對分割點方案收集子模塊中的多分割點優(yōu)化設置方案及其AUC值進行方差分析，得出最終的最佳分割點組合，若這種組合已經在實驗組合子模塊產生的正交實驗組合中存在，則直接將對應的多分割點優(yōu)化設置方案作為最佳多分割點設置方案，連同這種分割點設置結果下的診斷規(guī)則，共同保存至方案輸出子模塊，并可顯示于GUI模塊；若這種分割點組合不存在于正交實驗組合中，則再次調用分割點生成模塊、概率診斷模塊，將最終形成的腫瘤標志物多分割點設置方案和診斷規(guī)則作為結果保存至方案輸出子模塊，并可顯示于GUI模塊。所述分割點進化子模塊，使用遺傳算法完成每個實驗組合下，分割點初始種群的生成及進化，具體如下對實驗組合子模塊生成的實驗組合矩陣中的每一個分割點組合，使用遺傳算法生成w個個體組成的群體矩陣，矩陣中每一行代表一個個體，數字代表腫瘤標志物的分割點位置，每一個個體就是一種分割點方案，將這n個分割點方案傳輸給概率診斷模塊進行診斷正確率的評價。其次，分割點進化子模塊接收概率診斷模塊反饋回來的對于該分割點方案的^斷正確率的評價結果AUC，獲知種群中每一個個體的優(yōu)劣，將AUC作為遺傳算法的目標函數，然后通過交叉和變異，生成新的分割點種群，完成一次進化；最后，分割點進化子模塊與概率診斷模塊不斷進行信息交互，根據進化停止條件，最終將實驗組合及相應的分割點優(yōu)化設置方案、診斷規(guī)則共同傳輸至分割點優(yōu)化設置模塊中的分割點方案收集子模塊。所述診斷規(guī)則子模塊，離散化檢驗數據存儲模塊中第一類數據的檢驗數據(所有檢驗數據離散為l，2…m的形式)，作為本模塊中進行規(guī)則推導的分析數據，每條數據均由條件屬性與決策屬性組成，條件屬性即為各個腫瘤標志物，決策屬性即是最后的類別歸屬，即包括正常和結直腸癌兩類，應用粗糙集值約簡法處理離散后的數據獲得決策規(guī)則集，規(guī)則集中的每條規(guī)則都代表了腫瘤標志物的取值與最后類別歸屬之間的因果關系，每條規(guī)則都有強度、確定度和覆蓋度這三個性質，強度指符合規(guī)則的數據條數占總數據條數的比例；確定度指符合規(guī)則的數據條數占腫瘤標志物結果與這條規(guī)則相符的數據條數的比例；覆蓋度指符合規(guī)則的數據條數占所有類別歸屬與這條規(guī)則相同的數據條數的比例。所述患病概率子模塊，為每條數據在決策規(guī)則集中尋找相符的若干條規(guī)則，然后累加其中決策屬性相同的規(guī)則的強度值，從而完成該數據屬于每個類別的概率分配，即患病概率。所述診斷正確率評價子模塊，對患病概率子模塊得到的患病概率結果進行分析，設定概率閥值，患病概率大于閾值的屬于結直腸癌，患病概率小于閾值的屬于正常，并將這個類別歸屬結果與檢驗數據存儲模塊中檢驗數據的真實診斷結果做比較，獲得靈敏性Se和特異性Sp，求取AUC，并將AUC反饋給分割點進化子模塊。本發(fā)明包括兩個功能獲得多分割點設置方案和確定病人患結直腸癌的概率，分別通過接受GUI模塊中用戶發(fā)來的信息來完成當利用本系統(tǒng)獲得多分割點設置方案時，選擇檢驗數據存儲模塊中的第一類數據、分割點生成模塊、概率診斷模塊和分割點優(yōu)化設置模塊，得到最佳多分割點設置方案，并傳輸至GUI模塊，讓用戶直觀獲知；當需要對于待診斷的檢驗數據進行分析確定病人患結直腸癌的概率時，選擇檢驗數據存儲模塊中的第二類數據、患病概率子模塊和方案輸出子模塊，其中，患病概率子模塊所應用的分割點方案和診斷規(guī)則為方案輸出子模塊中存儲的最佳分割點方案和相應的診斷規(guī)則，最終概率結果將傳輸至GUI模塊，使用戶直觀獲知。當系統(tǒng)初次使用時，必須先獲得多分割點設置方案和相應的診斷規(guī)則，存儲至方案輸出子模塊，才能利用設置的分割點方案和診斷規(guī)則確定病人患結直腸癌的概率。隨著檢驗數據存儲模塊中第一類數據的不斷豐富，分割點設置方案需定期進行調整，不斷增加其可靠性，從而提高第二類數據診斷正確率。應用本發(fā)明對新的病人的診斷過程具體如下新的病人的腫瘤標志物檢測結果出來后，由于還沒有正確的診斷結果，醫(yī)生將這個結果放入校驗數據存儲模塊的第二類數據中，然后使用本發(fā)明的第二功能，獲知患病的概率，這也是醫(yī)生所希望得到的決策支持。當病人進行后續(xù)的一系列檢査后，最終可以確診是否患病，當知道這個結果后，原來的第二類數據只需補充確診類別后，就可放入第一類數據。隨著時間的變化，第一類數據會越來越多，當到達一定量時，可以重新求取最佳的多分割點設置方案，使系統(tǒng)更好的應用于第二類數據，定期循環(huán)這一過程。診斷規(guī)則子模塊離散的檢驗數據可以是第一類，也可以是第二類，取決于GUI模塊中所選擇的是哪一個功能，對于第二類數據只需使用系統(tǒng)中的部分模塊就可。第二類數據主要是在使用系統(tǒng)的確定病人患結直腸癌的概率這個功能時而用。由于腫瘤標志物是最常用的檢測手法，以往醫(yī)生可能將原本患癌的病人誤診為正常而不進行后續(xù)檢查，當最終確診時，很有可能已經錯過了最佳時機，因此本系統(tǒng)希望能夠在腫瘤標志物檢測時就告知醫(yī)生這個病人患病的可能性，使醫(yī)生有所警覺，降低誤診率。與現(xiàn)有技術相比，本發(fā)明具有如下有益效果本發(fā)明可減少醫(yī)學上的單分割點診斷方法對于連續(xù)檢驗數據造成的信息損失，對檢驗數據進行更有效的解讀。本發(fā)明所使用的檢驗數據信息損失量更小，因而使在這基礎上所進行的診斷活動更為準確，故具有良好的實用價值。本發(fā)明優(yōu)于醫(yī)學現(xiàn)有的單分割點的串并聯(lián)診斷方式，可直接作為醫(yī)學診斷輔助決策系統(tǒng)使用。圖l是本發(fā)明的系統(tǒng)結構框圖。具體實施例方式下面結合附圖對本發(fā)明的實施例作詳細說明本實施例在以本發(fā)明技術方案為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施例。本實施例的目標是獲得結直腸癌腫瘤標志物多分割點設置方案。如圖1所示，本實施例包括GUI模塊、檢驗數據存儲模塊、分割點生成模塊、概率診斷模塊和分割點優(yōu)化設置模塊，其中GUI模塊為客戶所實用的圖形用戶界面，通過該界面可以實現(xiàn)用戶與系統(tǒng)的交互性操作，并接受交互式操作過程中各模塊的中間結果或最后結果，由于檢驗數據為3個腫瘤標志物(是指"CEA，CA19-9和CA50")，用戶在GUI模塊中指定最大的腫瘤標志物分割點個數為3;檢驗數據存儲模塊存放有兩類數據，第一類數據為歷史數據，是經過確診的具有各腫瘤標志物的檢驗數據以及經過確診后的診斷結果，此類數據在求取多分割點設置方案時由概率診斷模塊調用；第二類為待分析數據，是還未進行確診的具有各腫瘤標志物的檢驗數據，在進行患結直腸癌的概率分析時由概率診斷模塊調用；本實施例中采集的經過確診的具有各腫瘤標志物的檢驗數據具體如下收集某三級甲等醫(yī)院2004年11月2006年11月住院及體檢病人血清標本進行檢測，其患者均經腸鏡或手術病理切片明確診斷。其中，結直腸癌組75例；正常對照組49例。每個病人所檢測的腫瘤標志物為CEA(癌胚抗原)、CA19-9(糖類抗原19-9)和CA50(糖類抗原50)。它們的單分割點及值域分別為CEA正常參考值為<4.8yg/L，檢測值范圍為0-550iig/L;CA19-9正常參考值為〈33U/ml，檢測值范圍為0-500U/ml;CA50正常參考值為〈25U/ml，檢測值范圍為0-200U/ml。分割點生成模塊包括實驗組合子模塊和分割點進化子模塊，其中實驗組合子模塊根據分割點個數生成正交實驗組合矩陣，其組合矩陣如下111222333123123123123231312(1)其中每一列為一種分割點組合，其數字指相應腫瘤標志物的分割點個數，共9種組合。力割點進化子模塊從組合開始隨機生成大小為n=300的分割點種群矩3.8945.2913.59陣89'1234:6892'48，矩陣中每一行代表一個個體，數字代表腫瘤標志45.293.58189.38物的分割點位置，每一個個體就是一種分割點方案，并將這"個分割點方案傳輸給概率診斷模塊進行診斷正確率的評價。概率診斷模塊包括診斷規(guī)則子模塊、患病概率子模塊和診斷正確率評價子模塊，其中-診斷規(guī)則子模塊，首先離散化檢驗數據，CEA以3.89為分割點，凡是檢驗結果《3.89的數據，以"1"代表，凡是〉3.89者以2代替，依此類推，完成腫瘤標志物CEA，CA19-9和CA50檢驗結果的離散化。根據離散化的結果使用粗糙集值約簡法獲得診斷規(guī)則集R，具體如下每一條檢驗數據et/)都可表示為一個序列q(x)，c2(x)，c3，{C|，C2,c3,}=C，C是條件屬性的集合，q指CEA，c"2指CA19-9，q指CA50，"為決策屬性的集合，即該病人屬于正常"i，還是結直腸癌"2，應用粗糙集的值約簡法獲得的決策規(guī)則，可以表示為q(x),C2(;c),C30c)4"(x)，或者簡記為，所有的規(guī)則集合記為^，并且求取每條規(guī)則的強度、確定度和覆蓋度，具體如下強度欲(C,D)JC(如，，W為集合義的基數、確定度,、lcOc)nD(;c)l窓芏存仏^、|C(x)nD(x〗cei;C,D):1、!二,/"、覆蓋度cx^(C，Z))=1、"/力?；疾「怕首幽K，為f/中數據;c,在診斷規(guī)則子模塊的規(guī)則集合i中尋找與之條件屬性^,，^,cj相匹配的若干規(guī)則，然后累加其中決策屬性相同的規(guī)則的強度值，完成^屬于每個決策的概率分配，記&'"為A屬于正常"'的概率，為X'屬于結直腸癌A的概率。診斷正確率評價子模塊，設定閾值為50%，對患病概率子模塊得到的患病概率結果進行判斷，獲得診斷結果<formula>complexformulaseeoriginaldocumentpage12</formula>Z)2d<50%，"i表示是f/朋We^A=50%收W正常，A表示是結直腸癌，Unable表示不確定，并將"、'與檢驗數據存儲模塊中檢驗數據的真實診斷結果做比較，得到靈敏性Se和特異性Sp，然后求得AUC:<formula>complexformulaseeoriginaldocumentpage12</formula>一-化和(1-—，并將結果反饋至分割點進化子模塊，經過不斷遺傳優(yōu)化，最終輸出的分割點設置方案為[3.0785.1532.56]，其Se=0.9，Sp=0.75，AUC=0.82，當前的組合方案為，將以上信息及其的到的診斷規(guī)則保存至分割點優(yōu)化設置模塊中的分割點方案收集子模塊，然后進入到下一個實驗組合的處理。分割點優(yōu)化設置模塊中記錄了所有實驗組合及其相應的多分割點優(yōu)化方案，Se，Sp和AUC值，分別見表1和表2。表1多分割點設置算法的診斷效果<table>complextableseeoriginaldocumentpage12</column></row><table><table>complextableseeoriginaldocumentpage13</column></row><table>根據分割點方案收集子模塊中的信息，方差分析子模塊根據正交實驗的方差分析結果獲得"3-3-2"為最佳的多分割點組合。由于此組合在正交實驗組合矩陣中已有，因此它所對應的多分割點設置方案即為最佳方案，保存至方案輸出子模塊，并傳送至GUI模塊。最終結果總結至表3和表4。表3"3-3-2"多分割點設置方案的診斷效果<table>complextableseeoriginaldocumentpage13</column></row><table>表4"3-3-2"多分割點設置方案<table>complextableseeoriginaldocumentpage13</column></row><table>醫(yī)學上常用的單分割點串并聯(lián)診斷方法的診斷表現(xiàn)為Se^.9，Sp=0.67，AUC=0.78?？梢?，本實施例系統(tǒng)確能夠優(yōu)化結直腸癌診斷，具有良好的實用價值。當利用本實施例系統(tǒng)確定病人患結直腸癌的概率時，當新的腫瘤標志物檢驗結果到達檢驗數據存儲模塊時，將被存放入第二類數據，然后可在GUI模塊中只選擇檢驗數據存儲模塊中的第二類數據、患病概率子模塊和方案輸出子模塊，可獲知該病人患結直腸癌的概率，用于輔助醫(yī)生判斷。權利要求1、一種用于優(yōu)化結直腸癌診斷的腫瘤標志物多分割點設置系統(tǒng)，包括GUI模塊、檢驗數據存儲模塊，其特征在于，還包括分割點生成模塊、概率診斷模塊和分割點優(yōu)化設置模塊，其中GUI模塊為客戶所使用的圖形用戶界面，通過該界面實現(xiàn)用戶與系統(tǒng)的交互性操作，并接受交互式操作過程中各模塊的中間結果或最后結果；檢驗數據存儲模塊用于存放兩類數據，第一類數據為歷史數據，是經過確診的具有各腫瘤標志物的檢驗數據以及經過確診后的診斷結果，此類數據在求取多分割點設置方案時由概率診斷模塊調用；第二類為待分析數據，是還未進行確診的具有各腫瘤標志物的檢驗數據，在進行患結直腸癌的概率分析時由概率診斷模塊調用；分割點生成模塊包括實驗組合子模塊、分割點進化子模塊，其中，實驗組合子模塊負責根據GUI模塊中指定的腫瘤標志物分割點個數生成正交實驗組合矩陣，矩陣中的每一列就是一個分割點組合；分割點進化子模塊接收分割點組合，并接收概率診斷模塊反饋過來的分割點的優(yōu)劣結果，不斷生成診斷正確率更佳的多分割點設置方案，并將分割點設置方案傳輸給概率診斷模塊；概率診斷模塊包括診斷規(guī)則子模塊、患病概率子模塊和診斷正確率評價子模塊，其中診斷規(guī)則子模塊根據分割點進化子模塊生成的分割點設置方案，將檢驗數據存儲模塊中的檢驗數據離散化，使用粗糙集中的值約簡法，形成診斷規(guī)則，并傳輸給患病概率子模塊；患病概率子模塊利用診斷規(guī)則，對檢驗數據存儲模塊中的歷史數據逐一做出患病概率的判斷；診斷正確率評價子模塊根據每個檢驗數據的概率值，將每個檢驗數據區(qū)分為結直腸癌或者正常兩類，當完成所有數據的判斷后，與真實診斷結果作對比，統(tǒng)計所有檢驗數據中正確診斷的病例數，以AUC作為評價指標，獲知分割點方案下的診斷正確率，反饋給分割點進化子模塊，概率診斷模塊和分割點進化子模塊之間進行反復的信息互動，當達到診斷正確率目標時，輸出多分割點優(yōu)化方案，然后將此信息以及對應的實驗組合、診斷規(guī)則、AUC值傳輸至分割點優(yōu)化設置模塊中的分割點方案收集子模塊；分割點優(yōu)化設置模塊包括分割點方案收集子模塊、方差分析子模塊、方案輸出子模塊，其中，分割點方案收集子模塊負責集合所有實驗組合下的多分割點優(yōu)化方案、診斷規(guī)則及AUC值，并傳輸給方差分析子模塊；方差分析子模塊對分割點方案收集子模塊中的多分割點優(yōu)化設置方案及其AUC值進行方差分析，得出最終的最佳分割點組合，若這種組合已經在實驗組合子模塊產生的正交實驗組合中存在，則直接將對應的多分割點優(yōu)化設置方案作為最佳多分割點設置方案，連同這種分割點設置結果下的診斷規(guī)則，共同保存至方案輸出子模塊，并可顯示于GUI模塊；若這種分割點組合不存在于正交實驗組合中，則再次調用分割點生成模塊、概率診斷模塊，將最終形成的腫瘤標志物多分割點設置方案和診斷規(guī)則作為結果保存至方案輸出子模塊，并可顯示于GUI模塊。2、根據權利要求1所述的用于優(yōu)化結直腸癌診斷的腫瘤標志物多分割點設置系統(tǒng)，其特征是，所述分割點進化子模塊，使用遺傳算法完成每個實驗組合下，分割點初始種群的生成及進化，具體如下對實驗組合子模塊生成的實驗組合矩陣中的每一個分割點組合，使用遺傳算法生成"個個體組成的群體矩陣，矩陣中每一行代表一個個體，每一個個體就是一種分割點方案，并把這"個分割點方案傳輸給概率診斷模塊進行診斷正確率的評價；分割點進化子模塊接收概率診斷模塊反饋回來的對于該分割點方案的診斷正確率的評價結果AUC，獲知種群中每一個個體的優(yōu)劣，將AUC作為遺傳算法的目標函數，然后通過交叉和變異，生成新的分割點種群，完成一次進化；分割點進化子模塊與概率診斷模塊不斷進行信息交互，根據進化停止條件，最終將實驗組合及相應的分割點設置方案、診斷規(guī)則共同傳輸至分割點優(yōu)化設置模塊中的分割點方案收集子模塊。3、根據權利要求1所述的用于優(yōu)化結直腸癌診斷的腫瘤標志物多分割點設置系統(tǒng)，其特征是，所述診斷規(guī)則子模塊，離散化檢驗數據存儲模塊中第一類數據的檢驗數據，作為本模塊中進行規(guī)則推導的分析數據，每條數據均由條件屬性與決策屬性組成，條件屬性即為各個腫瘤標志物，決策屬性即是最后的類別歸屬，即包括正常和結直腸癌兩類，應用粗糙集值約簡法處理離散后的數據獲得決策規(guī)則集，規(guī)則集中的每條規(guī)則都代表了腫瘤標志物的取值與最后類別歸屬之間的因果關系，每條規(guī)則都有強度、確定度和覆蓋度這三個性質，強度指符合規(guī)則的數據條數占總數據條數的比例，確定度指符合規(guī)則的數據條數占腫瘤標志物結果與這條規(guī)則相符的數據條數的比例，覆蓋度指符合規(guī)則的數據條數占所有類別歸屬與這條規(guī)則相同的數據條數的比例。4、根據權利要求1所述的用于優(yōu)化結直腸癌診斷的腫瘤標志物多分割點設置系統(tǒng)，其特征是，所述患病概率子模塊，為每條數據在決策規(guī)則集中尋找相符的若干條規(guī)則，然后累加其中決策屬性相同的規(guī)則的強度值，從而完成該數據屬于每個類別的概率分配。5、根據權利要求1所述的用于優(yōu)化結直腸癌診斷的腫瘤標志物多分割點設置系統(tǒng)，其特征是，所述診斷正確率評價子模塊，對患病概率子模塊得到的患病概率結果進行分析，設定概率閥值，患病概率大于閾值的屬于結直腸癌，患病概率小于閾值的屬于正常，并將這個類別歸屬結果與檢驗數據存儲模塊中檢驗數據的真實診斷結果做比較，獲得靈敏性Se和特異性Sp，求取AUC，并將AUC反饋給分割點進化子模塊。全文摘要一種醫(yī)學
技術領域：
的用于優(yōu)化結直腸癌診斷的腫瘤標志物多分割點設置系統(tǒng)，包括GUI模塊、檢驗數據存儲模塊、分割點生成模塊、概率診斷模塊和分割點優(yōu)化設置模塊，GUI模塊為圖形用戶界面，實現(xiàn)用戶與系統(tǒng)的交互性操作，并接受各模塊的中間或最后結果；檢驗數據存儲模塊用于存放系統(tǒng)中其它模塊所用的兩類數據；分割點生成模塊為每一組實驗組合生成眾多的多分割點設置方案，在與概率診斷模塊的信息交互中，不斷優(yōu)化這些方案。概率診斷模塊對每一個方案的效果進行評判，并將結果反饋給分割點生成模塊，最后將每一組實驗組合優(yōu)化后的方案保存至分割點優(yōu)化設置模塊，得出最佳的分割點設置方案。本發(fā)明可直接作為醫(yī)學診斷輔助決策系統(tǒng)使用。文檔編號G06F19/00GK101344519SQ20081004192公開日2009年1月14日申請日期2008年8月21日優(yōu)先權日2008年8月21日發(fā)明者施京華,強蘇,平顧,鋼黃申請人:上海交通大學