申请/专利权人：海南大学

申请日：2024-01-17

公开（公告）日：2024-04-30

公开（公告）号：CN117954032A

主分类号：G16H10/60

分类号：G16H10/60;G06F16/215;G06F18/10;G06F18/214;G06F18/2411;G06F18/2415;G06F18/2413;G06F18/243

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明涉及一种医疗决策解释方法及系统。所述方法包括：通过数据库及调查问卷采集患者数据；处理患者数据，将处理后的患者数据输入至分类模型中提取数据特征，并根据数据特征进行医疗预测推荐；使用SHAP模型与白盒模型对分类模型分别进行解释，并将解释结果相结合进行可视化比较，联合数据特征进行分析，得到最终决策解释结果。采用SHAP模型与白盒模型相结合对分类模型进行解释，为分类模型输出的医疗预测推荐提供足够支撑，克服了传统医疗推荐系统中无法解释的问题，为患者提供足够的可解释信息，使患者更容易接受推荐结果，以达到预测和预防疾病的目的，提高了用户对系统推荐结果的信任度，对医疗推荐具有极其重要的意义。

主权项：1.一种医疗决策解释方法，其特征在于，所述方法包括：通过数据库以及调查问卷采集患者数据；对所述患者数据进行数据清洗、数据标准化处理，得到处理后的患者数据；将所述处理后的患者数据输入至分类模型中，通过所述分类模型提取数据特征，并根据所述数据特征进行医疗预测推荐；其中，选择逻辑回归、支持向量机、随机森林、梯度提升树、人工神经网络、k-近邻、贝叶斯网络作为分类模型；使用SHAP模型与白盒模型对所述分类模型分别进行解释，并将解释结果相结合进行可视化比较，联合所述数据特征进行分析，得到最终决策解释结果。

全文数据：

权利要求：

百度查询： 海南大学 医疗决策解释方法及系统

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