申请/专利权人：四川大学

申请日：2023-12-26

公开（公告）日：2024-03-22

公开（公告）号：CN117747112A

主分类号：G16H50/30

分类号：G16H50/30;G16H10/60;G06F18/241;G06F18/2431

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于机器学习的甲状腺疾病预测方法，所述方法包括：S1：获取就诊者的相关样本数据；S2：对所述样本数据预处理，得到处理后的样本数据；S3：根据所述处理后的样本数据，利用LightGBM算法，构建甲状腺疾病预测模型；S4：逐步减少指标，并在测试集上进行评估，得到最少指标集合；S5：根据所述指标集合，重新构建模型；S6：利用所述模型对测试集数据进行分析，得到分析结果；S7：判断所述分析结果是否满足预设条件，若是，进入步骤S8，否则，返回步骤S1；S8：利用所述模型分析待检测者的数据，得到预测结果；S9：构建FT3、FT4、TSH的三维参考体系。本发明能够解决现有甲状腺疾病预测模型准确率较低的问题，并精进FT3、FT4、TSH的三维参考体系。

主权项：1.一种基于机器学习的甲状腺疾病分类预测方法，其特征在于，包括如下步骤：S1：获取就诊者的相关样本数据；S2：对所述相关样本数据进行预处理，得到预处理后的相关样本数据；S3：根据所述预处理后的相关样本数据，利用LightGBM算法，构建甲状腺疾病分类预测模型；S4：逐步减少指标，构建甲状腺疾病分类预测模型，并对测试集数据进行分析，得到最少指标集合和筛选后的相关样本数据；S5：根据所述最少指标集合和筛选后的相关样本数据，利用LightGBM算法，构建甲状腺疾病分类预测模型；S6：利用所述甲状腺疾病分类预测模型对测试集数据进行分析，得到分析结果；S7：判断所述分析结果是否满足预设条件，若是，进入步骤S8，否则，返回步骤S1；S8：利用所述甲状腺疾病分类预测模型对待检测就诊者的相关数据进行分析，得到预测结果；S9：构建各类别涵盖FT3、FT4、TSH三种物质取值范围的三维参考体系。

全文数据：

权利要求：

百度查询： 四川大学 一种基于机器学习的甲状腺疾病分类预测方法

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