技术特征：
1.一种基于改进樽海鞘算法的食管癌生存期预测模型的构建方法，其特征在于，包括如下步骤：(1)分析筛选出食管癌患者生存期的影响因素，将筛选出的因素作为输入变量，生存时间作为输出变量，建立基于bp神经网络的生存期预测模型；(2)利用改进樽海鞘算法对所述bp神经网络的初始权值以及阈值进行优化，所述改进樽海鞘算法包括如下步骤：s1：设置樽海鞘算法的相关参数：种群规模n，最大迭代次数l，个体的维度dim，初始化种群；s2：根据目标函数计算每个樽海鞘个体的适应度值，并对适应度值进行排序；选择适应度最好的位置作为食物源的位置，设置当前迭代次数l＝1；s3：判断当前迭代次数l是否小于划分系数，如果小于，则进入到步骤s4，如果大于，则进入到步骤s5；s4：利用领导者融合变异策略对领导者位置进行更新，追随者位置更新时引入自适应惯性权重；s5：利用最优个体引领运动策略对领导者位置进行更新，追随者位置更新时引入自适应惯性权重；s6：计算适应度值并更新樽海鞘的位置，利用逐维高斯变异策略对所有的樽海鞘位置进行更新；s7：利用最优领域扰动策略对最优樽海鞘位置进行更新，并与当前的适应度值作比较，使用贪婪策略选择最优的适应度值；s8：若当前迭代次数l小于最大迭代次数l时，对当前迭代l加1，进入步骤s2；否则输出最优解，算法迭代结束。2.根据权利要求1所述的基于改进樽海鞘算法的食管癌生存期预测模型的构建方法，其特征在于，在所述步骤s2中，所述目标函数表达式为：其中，x为食管癌生存模型的训练样本数，y
i
为第i个食管癌患者的网络模型的输出值，y
′
i
为第i个食管癌患者的实际输出值。3.根据权利要求1所述的基于改进樽海鞘算法的食管癌生存期预测模型的构建方法，其特征在于，在所述步骤s4中，领导者位置更新过程如下：a+b+c＝1
ꢀꢀꢀꢀꢀ③
；式中，表示第1个樽海鞘个体(领导者)，在第j维的位置；是种群中随机选择的两个樽海鞘个体；f
j
为第j维食物源位置；a，b，c为随机数，在[0，1]之间取值。4.根据权利要求1所述的基于改进樽海鞘算法的食管癌生存期预测模型的构建方法，其特征在于，在所述步骤s5中，领导者位置更新按如下公式进行：
式中，f
j
是第j维食物源位置，r
2 r3是[0，1]区间的随机数；r是[-1，1]区间中的随机数，b的计算公式如下所示：式中，l为当前迭代次数，l是最大迭代次数。5.根据权利要求1所述的基于改进樽海鞘算法的食管癌生存期预测模型的构建方法，其特征在于，在所述步骤s6中，按下式对所有的樽海鞘位置进行更新：q＝1-(l-l)2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ⑥
；x(j)＝q
×
x(j)+randn
×
x(j)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ⑦
；式中，q为自适应惯性权重；l为当前的迭代次数；l是最大的迭代次数；x(j)为第j维樽海鞘的位置；randn为高斯变异算子。6.根据权利要求1所述的基于改进樽海鞘算法的食管癌生存期预测模型的构建方法，其特征在于，在所述步骤s7中，利用下式对最优樽海鞘位置进行更新：式中，x(best)为全局更新时的最优位置；x(newbest)为生成的新的位置；其中v，m分别为[0，1]之间的随机数。7.根据权利要求6所述的基于改进樽海鞘算法的食管癌生存期预测模型的构建方法，其特征在于，在所述步骤s7中，对于生成的邻域位置，采用下式判断是否保留：式中，f(x(best))为全局更新时的最优位置适应值，如果生成的位置比原位置好，则将其与原位置替换，使其成为全局最优；反之，最优位置保持不变。8.根据权利要求1所述的基于改进樽海鞘算法的食管癌生存期预测模型的构建方法，其特征在于，在所述步骤(1)中，利用单因素cox回归分析筛选得到与食管癌患者生存期相关的血液指标：白细胞计数、单核细胞计数、中性粒细胞计数、凝血酶原时间、国际标准化比值作为输入，构建bp神经网络的生存期模型的结构为5-11-1，得优化的维度为:dim＝(inputnum+1)
×
hiddennum+(hiddennum+1)
×
outputnum
ꢀꢀꢀꢀ⑩
；其中，inputnum、hiddennum、outputnum分别为bp神经网络的输入层个数，隐含层个数以及输出层个数。9.一种食管癌患者生存期预测方法，其特征在于，获得待预测食管癌患者的与生存期相关的血液指标，输入由权利要求1所构建得到的食管癌生存期预测模型，输出得到该食管癌患者的生存预测期。
技术总结
本申请公开了一种基于改进樽海鞘算法的食管癌生存期预测模型的构建与应用。本申请利用划分迭代策略将算法的迭代划分为两个时期，迭代前期以及迭代后期；在迭代前期，使用领导者融合变异策略对领导者位置进行更新，增加算法的探索能力；在迭代后期，采用最优个体引领运动对领导者位置进行更新，优化算法的开采能力；然后利用逐维高斯变异策略对所有的樽海鞘个体进行更新，提高种群的多样性；在算法迭代结束前对最优樽海鞘位置进行最优领域扰动并进行适应度值比较，利用贪婪策略选择最优适应度值，提高其跳出局部最优解的能力。本申请IPSSA-BP模型拟合效果好，准确性高，预测精度高，预测稳定性好。预测稳定性好。预测稳定性好。
技术研发人员：姜素霞 李厚胜 王延峰 孙军伟 黄春 栗三一 李盼龙 兰奇逊 雷霆
受保护的技术使用者：郑州轻工业大学
技术研发日：2022.10.23
技术公布日：2023/1/31