申请/专利权人:中南大学
申请日:2024-03-01
公开(公告)日:2024-05-14
公开(公告)号:CN118039173A
主分类号:G16H50/50
分类号:G16H50/50;G16H10/20;G06N20/20;G06F18/10;G06F18/214
优先权:["20231208 CN 2023116804083"]
专利状态码:在审-实质审查的生效
法律状态:2024.05.31#实质审查的生效;2024.05.14#公开
摘要:本发明涉及用于判断自身免疫性脑炎预后的XGBoost机器学习模型的构建方法及系统,属于医疗诊断技术领域,包括如下步骤:依据预设筛选标准将患者筛选,提取符合预设筛选标准的临床指标数据,通过XGBoost机器学习算法对处理后的临床指标数据进行XGBoost机器学习模型构建,基于已构建的XGBoost机器学习模型,输入某个患者的临床指标,输出此患者的预后好坏,包括数据采集和存储部分、数据处理部分、XGBoost机器学习模型构建部分、XGBoost机器学习模型性能评估部分、自身免疫性脑炎预后好坏输出显示部分,能快速准确获得对自身免疫性脑炎患者预后好坏的判断,从而能够及时采取预防和治疗措施,避免病情进一步恶化,改善患者预后,减少医疗支出,减轻家庭和社会负担。
主权项:1.用于判断自身免疫性脑炎预后的XGBoost机器学习模型的构建方法,其特征在于,包括如下步骤:S1.依据预设筛选标准将患者筛选,提取符合预设筛选标准的临床指标数据,将提取的临床指标数据存储;S2.将储存的临床指标数据进行预处理;S3.通过XGBoost机器学习算法对处理后的临床指标数据进行XGBoost机器学习模型构建,并通过放回抽样1000次的方法进行抽样,通过每次抽样的样本对XGBoost机器学习模型进行训练,构建出预测自身免疫性脑炎患者预后好坏的XGBoost机器学习模型;S4.通过XGBoost机器学习模型性能评估部分对临床指标数据进行重要性排序、绘制受试者工作特征曲线、计算XGBoost机器学习模型的性能指标,并通过SHAP分析对模型进行分析;S5.基于已构建的XGBoost机器学习模型,输入某个患者的临床指标,输出此患者的预后好坏。
全文数据:
权利要求:
百度查询: 中南大学 用于判断自身免疫性脑炎预后的XGBoost机器学习模型的构建方法及系统
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。