申请/专利权人：上海交通大学医学院附属新华医院

申请日：2024-01-16

公开（公告）日：2024-04-16

公开（公告）号：CN117894473A

主分类号：G16H50/70

分类号：G16H50/70;G16H10/20;G16H10/60;G06F18/15;G06F18/22;G06F18/214;G06F18/243;G06N5/01;G06N20/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明涉及一种自适应集成学习模型的出院准备评估方法及系统，属于医疗控制系统技术领域。其中，该方法包括：获取原始医用数据并进行预处理，划分为训练集和测试集；构建自适应评估模型，对训练集进行数据采样得到数据子集，采用基分类器对自适应评估模型进行分类预测得到第一分类预测结果；将数据子集作为训练集训练基分类器得到基分类模型，将测试集作为基分类模型的输入得到测试集预测结果；将测试集预测结果作为训练数据训练堆叠分类器得到堆叠分类模型，使用测试集作为堆叠分类模型的输入得到第二分类预测结果；将第一分类预测结果与第二分类预测结果进行信效度评估得到出院计划综合评估量表。实现了基于多方位信息的综合出院准备评估考量。

主权项：1.一种自适应集成学习模型的出院准备评估方法，其特征在于，包括：S1：获取原始医用数据，对所述原始医用数据中缺失的属性值进行量化填充得到预处理结果，将所述预处理结果划分为训练集和测试集；S2：构建自适应评估模型，分析所述训练集的类别平衡性得到不平衡率，预设检测阈值，若所述不平衡率小于所述检测阈值，则对所述训练集进行数据采样得到数据子集，若所述不平衡率大于所述检测阈值，则采用基分类器对所述自适应评估模型进行分类预测得到第一分类预测结果；S3：将所述数据子集作为训练集训练基分类器得到基分类模型，将所述测试集作为所述基分类模型的输入得到测试集预测结果；S4：将所述测试集预测结果作为训练数据训练堆叠分类器得到堆叠分类模型，使用所述测试集作为所述堆叠分类模型的输入得到第二分类预测结果；S5：将所述第一分类预测结果与所述第二分类预测结果进行信效度评估得到出院计划综合评估量表。

全文数据：

权利要求：

百度查询： 上海交通大学医学院附属新华医院 一种自适应集成学习模型的出院准备评估方法及系统

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