申请/专利权人：南通市康复医院(南通市第二人民医院)

申请日：2023-09-03

公开（公告）日：2024-05-10

公开（公告）号：CN117174313B

主分类号：G16H50/30

分类号：G16H50/30;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.05.10#授权;2023.12.22#实质审查的生效;2023.12.05#公开

摘要：本发明公开了一种脑出血患者神经功能预后预测模型的建立方法及系统，属于人工智能技术领域，方法包括：获取不同类别患者的历史预后数据；建立生成对抗网络模型；对增强后的历史预后数据进行预处理，根据预处理后的历史数据构建历史预后数据集；将历史数据集按预设比例划分为训练集和测试集；构建随机森林预测模型，利用训练集对预测模型进行训练；利用测试集评估训练后的随机森林预测模型的预测准确率，将测试后的随机森林预测模型用于患者的预后预测，间隔预设时长统计预后预测的准确率平均值；在准确率平均值低于准确率平均阈值的情况下，结合贝叶斯优化算法调整随机森林预测模型超参数，重新对随机森林预测模型进行训练。提升模型预测准确率。

主权项：1.一种脑出血患者神经功能预后预测模型的建立方法，应用于脑出血患者的神经功能预后预测场景；其特征在于，包括：S101：获取不同类别患者的历史预后数据，其中，所述类别包括年龄、性别和病史，所述历史预后数据包括特征和与所述特征相应的标签，特征是用来描述患者的属性和情况的数据，包括患者的年龄、性别、病史中的特定疾病指标、治疗方案，所述标签包括代表神经功能恢复情况的优秀、良好、一般和不良；S102：建立生成对抗网络模型，对所述历史预后数据进行数据增强，其中，所述生成对抗网络模型包括生成器和判别器；S103：对增强后的历史预后数据进行预处理，根据预处理后的历史数据构建历史预后数据集，其中，所述预处理包括数据清洗，去除异常值和数据标准化；S104：将所述历史预后数据集按预设比例划分为训练集和测试集；S105：构建随机森林预测模型，利用所述训练集对所述预测模型进行训练；S106：利用所述测试集评估训练后的所述随机森林预测模型的预测准确率，在所述预测准确率大于准确率阈值的情况下，结束所述随机森林预测模型的训练；其中，使用训练集中的特征数据作为输入，所述特征数据包括年龄、性别、病史；以神经功能恢复情况的标签作为输出，对随机森林模型进行训练；S107：将所述随机森林预测模型用于患者的预后预测，间隔预设时长统计所述预后预测的准确率平均值；S108：在所述准确率平均值低于准确率平均阈值的情况下，结合贝叶斯优化算法调整所述随机森林预测模型的超参数，重新对所述随机森林预测模型进行训练；所述超参数包括决策树数量和决策树深度；所述S108具体包括：S1081：结合交叉熵损失函数损失函数，使用高斯过程模型建立以所述超参数作为变量的目标函数；S1082：构建基于期望增益的采集函数；S1083：利用所述采集函数决策下一个选取的超参数；S1084：基于选取的超参数，评估所述目标函数，在所述目标函数值小于预设函数值的情况下，将选取的超参数替换所述目标函数中的超参数，迭代次数加1；S1085：重复S1083-S1084，直至满足停止准则，其中，所述停止准则包括达到预设迭代次数，所述目标函数值小于停止预设函数值或者达到预设调整时间；所述目标函数具体为： fλ＝Lmλ,Xv+ε其中，Lmλ,Xv表示所述目标函数，mλ表示运行所述训练集Xv时的所述随机森林模型的超参数，所述训练集Xv包括特征xi和样本特征对应的标签yi，lmλxi,yi表示在超参数λ下的预测标签mλxi与真实标签yi的交叉熵损失函数，|Xv|表示所述训练集中的特征数量，fλ表示在超参数λ配置下的观察函数，即目标函数估计值，ε表示观测噪声系数。

全文数据：

权利要求：

百度查询： 南通市康复医院(南通市第二人民医院) 一种脑出血患者神经功能预后预测模型的建立方法及系统

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