龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中科广润(中山)科技有限公司
摘要：本发明公开了一种基于数据重组的FVC级联预测算法，包括以下步骤：S10执行低难度用力肺功能测试；S20进行一级FVC预测，将步骤一中得到的特征向量作为输入向量输入FVC一级预测模型，FVC一级预测模型将输入向量转为特征矩阵；S30进行气流受限识别向量构建，S40进行气流受限识别分类，S50得到FVC预测结果，与现有的技术相比，本发明具有如下优点：该基于数据重组的FVC级联预测算法中模型所需输入参数要足够少；模型中所需输入参数可以在家庭场景下获取，而无需借助其他检测设备。对于降低用力肺功能测试标准的严苛性有巨大改进。该基于数据重组的FVC级联预测算法模型可以与所开发便携设备协作，构成智能化检测设备。
主权项：1.一种基于数据重组的FVC级联预测算法，其特征在于，包括以下步骤：S10执行低难度用力肺功能测试，用户通过进行低难度的肺功能测试，得到用户的特征向量包括FEV1、PEF、年龄和性别；S20进行一级FVC预测，将步骤一中得到的所述特征向量作为输入向量输入FVC一级预测模型，所述FVC一级预测模型将所述输入向量转为特征矩阵，将特征矩阵作为X，FVC值作为输出Y值，通过回归求出FVC值，所述FVC一级预测模型的输出结果为一级FVC预测值；S30进行气流受限识别向量构建，将得到的一级FVC预测值作为用户的FVC值，并与步骤S10中的特征向量FEV1进行合并，计算FEV1FVC比值；再将所述FEV1FVC比值与步骤S10中的特征向量PEF、年龄和性别作为气流受限识别输入向量；将FEV1FVC比值作为参数Z与步骤S20特征矩阵X合并为X’；S40进行气流受限识别分类，将所述特征矩阵X’作为输入参数输入XGBoost气流受限识别模型，所述XGBoost气流受限识别模型依据特征矩阵X’判断气流是否受限对用户的输入向量进行分流；若气流受限，则进入患者FVC二级预测模型；若是气流未受限，则进入健康人FVC二级预测模型；S50得到FVC预测结果，据步骤S40的分类结果，将步骤S10得到的特征向量输入到患者FVC二级预测模型或健康人FVC二级预测模型得到最终的FVC预测结果。
全文数据：
权利要求：
百度查询： 中科广润(中山)科技有限公司 一种基于数据重组的FVC级联预测算法
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