申请/专利权人：李静

申请日：2019-11-08

公开（公告）日：2023-11-24

公开（公告）号：CN111081381B

主分类号：G16H50/70

分类号：G16H50/70;G16H50/30

优先权：

专利状态码：有效-授权

法律状态：2023.11.24#授权;2020.05.22#实质审查的生效;2020.04.28#公开

摘要：本发明提出了一种院内致命性消化道再出血预测关键指标的智能筛选方法，包括：根据纳入排除标准，从数据库中提取消化道出血患者的指标数据并计算结局标识；对指标数据进行数据清洗以处理异常值，去除多余的指标和缺失值严重无法进行分析的指标；根据依据临床实际情况设置的离散标准对指标数据进行离散化处理；将离散后的指标数据作为条件属性，将结局标识作为决策属性；将条件属性和决策属性输入到筛选算法模型中，计算适应度，迭代重复至适应度不再增加，指标不再减少，得到筛选出的关键指标数据。本发明能够高效且稳定地计算出指示消化道出血患者发生院内致命性再出血的关键指标，辅助医生决策。

主权项：1.一种院内致命性消化道再出血预测方法，其特征在于，包括如下步骤：步骤S1，根据纳入排除标准，从数据库中提取消化道出血患者的指标数据并计算结局标识；步骤S2，对所述指标数据进行数据清洗以处理异常值，去除多余的指标和缺失值严重无法进行分析的指标，并进行数据补差，补充缺失值；步骤S3，根据依据临床实际情况设置的离散标准对所述指标数据进行离散化处理；步骤S4，将离散后的指标数据作为条件属性，将所述结局标识作为决策属性，由所述条件属性和所述决策属性共同构成智能筛选算法的决策表；步骤S5，将所述条件属性和决策属性输入到筛选算法模型中，计算适应度，迭代至适应度不再增加，则记录下保留的指标数据，将保留的指标数据再次输入到筛选算法模型中，重复本步骤直至指标数据不再减少，得到筛选出的关键指标数据。步骤S6，将筛选得到的关键指标输入到预测模型中，并通过预测模型对患者结局进行预测；其中，在所述步骤S5中，所述筛选算法模型采用智能筛选算法模型，所述智能筛选算法模型将遗传算法和元胞自动机有机结合引入粗糙集理论，在遗传算法基础上进行进化算法优化，通过属性约减提取出关键指标，将不同属性集之间的灰色关联度和依赖度的传统定义进行了有机结合，筛选出的关键指标数据；其中，灰色关联度：p表示决策属性与条件属性的关联程度，p通过灰色关联度计算确定： γi表示相应的灰色关联度；指标依赖度：依赖度反映了属性与属性之间的关系，将一种属性看作是反应物体的一种知识，属性依赖度则是一种知识对另一种知识的推导能力，是一种知识依赖性的度量；消化道出血知识系统表示为一个四元组：S＝{U,A,F,D}，其中，F为对象的属性值，U＝{x1,x2,…,xn}为患者集合；A＝a1,a2,…,am表示消化道出血患者的临床相关指标；D表示院内致命性消化道再出血的决策选项；指标参数属性集与决策属性集之间的依赖度表示为： ；适应度函数采用上式所示的依赖度表示，条件属性与决策属性之间的依赖度越大，则条件属性越重要，即个体的适应度越大。

全文数据：

权利要求：

百度查询： 李静 院内致命性消化道再出血预测关键指标的智能筛选方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD