龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号