申请/专利权人：清华大学深圳国际研究生院

申请日：2024-01-18

公开（公告）日：2024-03-26

公开（公告）号：CN117766136A

主分类号：G16H50/20

分类号：G16H50/20;G06N20/20;G16B40/00;G16H50/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：一种基于集成学习的肺部细菌感染的辅助诊断方法和装置，方法包括：对宏转录组数据进行细菌感染检测分组，筛选出差异表达基因，使用所述差异表达基因构建训练集和测试集；使用多种机器学习算法对训练集的差异基因进行筛选，对各算法所得到的保留基因求交集，并通过多次迭代选择出最具有预测性和稳健性的基因集合；使用多种机器学习算法分别构建辅助诊断子模型，各辅助诊断子模型分别使用所述基因集合进行预测，且各辅助诊断子模型的预测结果使用GLM进行拟合，形成使用集成学习的方式进行最终风险预测的辅助诊断模式。本发明的辅助诊断模型经验证具有准确性、稳定性和独立性，经过验证，能够提高对肺部细菌感染患者的风险评估能力。

主权项：1.一种基于集成学习的肺部细菌感染的辅助诊断方法，其特征在于，包括在计算机上处理完成的如下步骤：对可用于回顾性研究的宏转录组数据进行细菌感染检测分组，筛选出差异表达基因，使用所述差异表达基因构建训练集和测试集；使用多种机器学习算法对训练集的差异基因进行筛选，对各算法所得到的保留基因求交集，并通过多次迭代选择出最具有预测性和稳健性的基因集合；使用多种机器学习算法分别构建辅助诊断子模型，各辅助诊断子模型分别使用所述基因集合进行预测，且各辅助诊断子模型的预测结果使用广义线性模型GLM进行拟合，形成使用集成学习的方式进行最终风险预测的辅助诊断模式。

全文数据：

权利要求：

百度查询： 清华大学深圳国际研究生院 一种基于集成学习的肺部细菌感染的辅助诊断方法和装置

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