申请/专利权人:遵义医科大学附属医院
申请日:2023-10-20
公开(公告)日:2023-12-26
公开(公告)号:CN117292832A
主分类号:G16H50/30
分类号:G16H50/30;G16H50/50;G16H50/70;G16H10/20;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.12#实质审查的生效;2023.12.26#公开
摘要:本发明提出了一种基于机器学习的青春期多囊卵巢综合征抑郁风险预测模型构建方法。特点在于采集多源异构数据构建数据集,所述数据集中包含人口学信息、生物学信息、社会心理环境信息、诊断及治疗信息、症状相关信息、疾病认知信息和病理信息,对数据集内的样本进行预处理,使其符合后续模型分析需求;基于机器学习中于LASSO模型构建青春期多囊卵巢综合征抑郁风险预警模型。本发明可提高早期识别青春期多囊卵巢综合征抑郁高风险人群准确率,并用可解释性模型为临床医护人员实施综合有效的风险防范措施提供思路,属于多囊卵巢综合征风险预测领域。
主权项:1.基于机器学习的青春期多囊卵巢综合征抑郁风险预警方法,其特征在于,包括以下步骤:选择多源异构数据构建数据集,所述数据集中包含人口学信息、生物学信息、社会心理环境信息、诊断及治疗信息、症状相关信息、疾病认知信息和病理信息;对数据集内的样本进行预处理,使其符合后续模型分析需求;基于LASSO模型构建青春期多囊卵巢综合征抑郁风险预警模型;将待测试样本输入青春期多囊卵巢综合征抑郁风险预警模型,通过模型对青春期多囊卵巢综合征抑郁高风险人群进行有效识别和预警。
全文数据:
权利要求:
百度查询: 遵义医科大学附属医院 基于机器学习的青春期多囊卵巢综合征抑郁风险预警模型构建方法
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。