本发明属于生物信息学，具体涉及一种预测肺癌术后患者存活率的系统。
背景技术：
1、肺癌是一种肺部支气管黏膜或腺体的恶性肿瘤，对人群健康和生命威胁很大，尤其因为空气质量下降，雾霾等天气越发频繁，严重危害人们的呼吸器官，产生肺部疾病；另一方面，由于人们的不健康习惯，如烟瘾、酗酒、熬夜的增多，导致肺癌发病率和死亡率大幅上升。肺癌患者数目的增多，使得医疗临床数据集更加复杂，仅通过人工的提取、整合来诊断病情更加困难。因此，引入一个新型的预测方法来辅助人工进行疾病诊断是当务之急。
2、机器学习是人工智能的一个重要分支，涉及到概率论、统计学等，它是用来使人工智能模拟人类学习的重要手段，机器学习主要分为两个方面，其一是“训练”，即通过各种现有的学习资料构建模型，学习资料越多，模型构建越准确。其二便是“决策”，决策是利用第一步训练构建好的模型进行分析计算。常用的五种机器学习的算法模型包括朴素贝叶斯模型、逻辑斯谛回归模型、支持向量机模型、决策树模型和随机森林模型。
3、逻辑斯谛回归(logistic regression)是机器学习中的经典方法，计算代价不高，易于理解和实现。逻辑斯谛回归算法是一个典型的监督学习分类方法，该算法模型由条件概率表示，其中综合了sigmoid函数和线性叠加函数，决策函数为：ρ<γ＝0│x>＝1/(1+e^(w·x+b))，ρ<γ＝1│x>＝e^(w·x+b)/(1+e^(w·x+b))。该算法的原理是利用最大对数似然函数，通过监督学习的方法得到对训练集样本而言最好的概率模型，最后利用该模型对新样本数据进行分析预测。中国专利cn108492884a公开一种基于logistic回归模型的用于胰腺神经内分泌肿瘤淋巴结转移预测系统，该系统包括存储器和信息处理模块、预测结果显示器，其中，所述信息处理模块配置用于执行以下计算，并将计算结果与，所述的存储器预存的胰腺神经内分泌肿瘤淋巴结转移预测指标进行比较，向预测结果显示器输出预测结果：(i)根据以下关系计算各风险因子的分数：(ii)对步骤(i)所获得的全部分数求和，计算得到总体分数z；(iii)根据以下关系计算患者淋巴结转移可能性，该系统的预测准确率为0.646。
4、但是当前现有技术中缺少一种基于逻辑斯谛回归算法对肺癌术后患者存活率预测的系统，并且现有技术中基于逻辑斯谛回归算法对疾病的预测的准确率较低，亟需一种预测准确率显著提高的新型逻辑斯谛回归模型预测系统。
技术实现思路
1、除非上下文另有明确指示，否则如本文所用的单数形式“一个”、“一种”和“所述”包括单数和复数指示物。通过端点表述的数值范围包括在对应范围内的所有数值和分数，以及所表述的端点。
2、本发明针对现有技术存在的问题，提供了一种预测肺癌术后患者存活率的系统，该系统能够对肺癌患者肺部切除术一年后的存活率进行预测判断，且预测准确率和效率高，能够有效地辅助医疗诊断。
3、为实现上述目的，本发明采用的技术方案如下：
4、一种预测肺癌术后患者存活率的系统，包括数据收集模块、数据预处理模块、预测评估模块和结果输出模块；
5、所述预测评估模块，包括肺癌患者术后存活率评估预测模型；所述肺癌患者术后存活率评估预测模型的构建方法，包括如下步骤：
6、(1)简化逻辑斯谛回归的决策函数，得到简化决策函数：
7、所述简化决策函数为：
8、
9、(2)利用简化决策函数对参数估计，得出对数似然函数：
10、所述对数似然函数为
11、
12、(3)将对数似然函数利用梯度上升法迭代，取目标函数l(w)的极大值，此时w确定的逻辑斯谛回归模型，即为所述肺癌患者术后存活率评估预测模型。
13、优选地，步骤(3)中所述梯度的梯度方向为
14、
15、优选地，步骤(3)中所述迭代为：将参数w向梯度方向迭代，具体为：
16、优选地，所述的数据收集模块用于获取接受肺部切除手术的肺癌患者样本；所述的肺癌患者样本包括肺癌患者肿瘤种类、用力肺活量、最大呼气第一秒呼出的气量的容积、朱氏评分、手术前疼痛情况、手术前咯血情况、手术前呼吸困难情况、手术前咳嗽情况、手术前虚弱情况、原始肿瘤尺寸、患2型糖尿病情况、患外周动脉疾病情况、吸烟情况、哮喘情况和患者年龄中的至少7种；优选为至少10种。
17、优选地，所述的数据预处理模块包括对数据进行离散型特征编码和标准化处理。
18、所述标准化处理的公式为：
19、
20、其中，x代表原始特征值，μ是该列的均值，σ是该列的标准差，x*为最终特征值。
21、优选地，所述数据预处理模块的数据包括训练集数据，用于训练肺癌患者术后存活率评估预测模型。
22、所述训练的方法为：将训练集数据代入所求得的肺癌患者术后存活率评估预测模型中，求出概率p(y＝1|x)与p(y＝0|x)，并比较两个概率的大小，将概率较大的一项y的取值作为新样本的类别。
23、优选地，所述结果输出模块用于输出肺癌患者肺部切除术一年后的存活率。
24、优选地，所述系统对肺癌术后患者存活率的预测方法包括以下步骤：
25、s1、使用数据收集模块获取待样本数据；
26、s2、使用数据预处理模块对步骤s1选取的数据集进行预处理；
27、s3、将步骤s2预处理后的数据输入预测评估模块；
28、s4、通过结果输出模块获取肺癌术后患者存活率的评估报告。
29、相对于现有技术，本发明具有以下有益效果：
30、本发明提供了一种预测肺癌术后患者存活率的系统，该系统基于逻辑斯谛回归模型，能够对肺癌患者肺部切除术一年后的存活率进行预测判断，与传统医疗诊断相比，该系统的预测准确率和效率大大提高，准确率在80％以上，且预测时间仅为0.2秒，能最有效地辅助医疗诊断。
1.一种预测肺癌术后患者存活率的系统，其特征在于：包括数据收集模块、数据预处理模块、预测评估模块和结果输出模块；
2.根据权利要求1所述的系统，其特征在于，步骤(3)中所述梯度的梯度方向为
3.根据权利要求1所述的系统，其特征在于，步骤(3)中所述迭代为：将w向梯度方向迭代，具体为：
4.根据权利要求1所述的系统，其特征在于：所述的数据收集模块用于获取接受肺部切除手术的肺癌患者样本；所述的肺癌患者样本包括肺癌患者肿瘤种类、用力肺活量、最大呼气第一秒呼出的气量的容积、朱氏评分、手术前疼痛情况、手术前咯血情况、手术前呼吸困难情况、手术前咳嗽情况、手术前虚弱情况、原始肿瘤尺寸、患2型糖尿病情况、患外周动脉疾病情况、吸烟情况、哮喘情况和患者年龄中的至少7种。
5.根据权利要求1所述的系统，其特征在于：所述的数据预处理模块包括对数据进行离散型特征编码和标准化处理。
6.根据权利要求5所述的系统，其特征在于：所述标准化处理的公式为：
7.根据权利要求1所述的系统，其特征在于：所述数据预处理模块的数据包括训练集数据，用于训练肺癌患者术后存活率评估预测模型。
8.根据权利要求7所述的系统，其特征在于：所述训练的方法为：将训练集数据代入所求得的肺癌患者术后存活率评估预测模型中，求出概率p(y＝1|x)与p(y＝0|x)，并比较两个概率的大小，将概率较大的一项y的取值作为新样本的类别。
9.根据权利要求1所述的系统，其特征在于：所述结果输出模块用于输出肺癌患者肺部切除术一年后的存活率。
10.根据权利要求1-9任一项所述的系统，其特征在于：所述系统对肺癌术后患者存活率的预测方法包括以下步骤：
