申请/专利权人：铅山县人民医院

申请日：2023-12-29

公开（公告）日：2024-03-22

公开（公告）号：CN117747113A

主分类号：G16H50/30

分类号：G16H50/30;G16H50/20;G16H10/60;G06F18/2113;G06F18/214;G06F18/21;G06F18/243;G06F18/25;G06F18/27;G06N5/01;G06N20/20;G06N5/045

优先权：

专利状态码：在审-公开

法律状态：2024.03.22#公开

摘要：本发明涉及生物医学信息学技术领域，具体为消化内科电子数据分析方法及系统，包括以下步骤：基于患者的遗传信息、生活习惯、历史医疗记录以及实时生理数据，采用数据清洗和标准化算法，进行数据预处理和特征归一化，生成标准化患者数据集。本发明中，通过递归特征消除和基于模型的选择方法，系统精细挖掘关键变量，确保模型构建使用最关键因素，提高预测力。采用高级算法如随机森林和梯度提升决策树，结合模型调优，平衡模型的复杂性和准确度。交叉验证评估模型泛化能力，确保在不同数据集上表现良好。多模态融合模型构建提供全面的预测结果，有助于医生和患者理解预测，提升医疗预测的效率和效果，推动医疗服务向更个性化和精准化方向发展。

主权项：1.消化内科电子数据分析方法，其特征在于，包括以下步骤：基于患者的遗传信息、生活习惯、历史医疗记录以及实时生理数据，采用数据清洗和标准化算法，进行数据预处理和特征归一化，生成标准化患者数据集；基于所述标准化患者数据集，采用递归特征消除算法和基于模型的特征选择方法，进行关键变量挖掘，生成关键特征集；基于所述关键特征集，采用随机森林算法和梯度提升决策树，进行预测模型构建，并进行模型调优，生成初步预测模型；基于所述初步预测模型，采用交叉验证方法，进行模型泛化能力评估，生成经验证的预测模型；基于所述经验证的预测模型，采用多视图学习或联合表征学习方法，整合患者的医学影像数据和生物传感器数据，生成多模态融合预测模型；基于所述多模态融合预测模型，采用沙普利值解释方法和局部可解释模型无关解释方法，进行模型结果解释，生成可解释性预测报告；所述标准化患者数据集具体为医疗记录、生活习惯和遗传信息的数字化表示，其中包括患者的历史医疗状况、遗传倾向和日常习惯，所述关键特征集具体包括与消化系统疾病遗传、生理和生活习惯变量，所述初步预测模型具体指基于关键特征的疾病预测模型，包括患者未来时间段内患病概率的风险评估，所述经验证的预测模型具体为通过多次测试和验证模型，所述多模态融合预测模型具体指结合多种数据源的预测模型，提供全面疾病预测，所述可解释性预测报告具体为针对预测结果的解释文档。

全文数据：

权利要求：

百度查询： 铅山县人民医院 消化内科电子数据分析方法及系统

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