申请/专利权人：北斗云方(北京)健康科技有限公司;北京智能决策医疗科技有限公司;首都医科大学附属北京天坛医院

申请日：2024-02-07

公开（公告）日：2024-03-19

公开（公告）号：CN117727458A

主分类号：G16H50/30

分类号：G16H50/30;G06F18/2431;G06F18/243;G06N20/20;G06N5/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：一种基于在线学习的BEFAST卒中筛查系统和方法，系统配置历史数据库、限缩数据集模块、权重分配模块、模型构建模块，限缩数据集模块将历史数据库中与指定病人指数距离相近的每个病人筛选形成历史数据子集，同一时刻，权重分配模块基于历史数据子集进行决策树分类并算出各个BEFAST数据的权重，模型构建模块基于历史数据子集和各个BEFAST数据的权重构建针对特定病人的筛查模型，随后迭代中，之前权重分配模块计算得出的权重参与下一时刻历史数据子集构建，影响下一时刻权重计算和筛查模型构建，由此不断迭代不断优化筛查模型，使得本发明的BEFAST多模态数据采集与卒中筛查的效果随着时间推移愈加精准。

主权项：1.一种基于在线学习的BEFAST卒中筛查系统，其特征在于，所述系统能够从第0时刻开始每隔一单位时间对特定病人进行卒中筛查，该系统包括历史数据库、限缩数据集模块、权重分配模块、模型构建模块，其中，历史数据库中存有N个病人中每个病人从第0时刻至第j时刻的BEFAST数据，特定病人在第0时刻至第j时刻均记录有BEFAST数据，限缩数据集模块依据历史数据库中每个病人和特定病人在第0时刻的BEFAST数据计算所述每个病人与特定病人的指数距离，设定距离阈值MaxL，对于历史数据库中的病人只有满足≤MaxL，才被引入第0历史数据子集M0，权重分配模块以第0历史数据子集M0作为训练数据集建立第0级决策树，计算出BEFAST数据各自的增益系数并合并计为权重向量g0，模型构建模块以第0历史数据子集M0和权重向量g0作为输入并以预测卒中风险概率作为输出来构建针对所述特定病人的筛查模型，进而确定模型构建参数θ，限缩数据集模块引入权重向量g0并基于第1时刻的BEFAST数据计算历史数据库中每个病人与特定病人在第1时刻的指数距离，限缩数据集模块要求历史数据库中的病人只有满足≤MaxL，才被引入第1历史数据子集M1，权重分配模块以第1历史数据子集M1作为训练数据集建立第1级决策树执行权重向量计算求得第1时刻的权重向量g1，随后模型构建模块将g1和M1输入所述筛查模型从而迭代优化所述模型构建参数θ。

全文数据：

权利要求：

百度查询： 北斗云方(北京)健康科技有限公司;北京智能决策医疗科技有限公司;首都医科大学附属北京天坛医院 基于在线学习的BEFAST卒中筛查系统和方法

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