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：中国科学院深圳先进技术研究院
申请日：2024-03-21
公开（公告）日：2024-06-07
公开（公告）号：CN118155849A
主分类号：G16H50/30
分类号：G16H50/30;G06F18/10;G06F18/25;G06F18/214;G06F18/241;G06N3/0464;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.25#实质审查的生效;2024.06.07#公开
摘要：本发明公开了一种基于深度学习的ICU患者死亡风险预测方法及系统，所述方法包括：获取大数据集中多个ICU患者的多维异构数据；对所述多维异构数据进行数据清洗、缺失值处理以及数据标准化；构建层级式Inception网络模型；在所述层级式Inception网络模型的每一层中分别对不同类型的数据进行特征提取，并进行特征融合；利用Adam优化器的随机梯度下降对所述层级式Inception网络模型进行训练，将经过预处理的ICU患者异构数据输入到训练好的层级式Inception网络模型，输出ICU患者的死亡风向评估结果。本发明使用多种原始波形信号作为模型输入，避免了繁琐复杂的特征提取过程，极大地减少了由于患者个体差异导致的特征提取不准确所带来的影响，提高了ICU患者死亡风险预测的准确性和效率。
主权项：1.一种基于深度学习的ICU患者死亡风险预测方法，其特征在于，所述基于深度学习的ICU患者死亡风险预测方法包括：获取大数据集中多个ICU患者的多维异构数据；对所述多维异构数据进行数据清洗、缺失值处理以及数据标准化；构建层级式Inception网络模型，所述层级式Inception网络模型采用多个Inception模块层叠，每个Inception模块对应ICU中收集的多维异构数据；在所述层级式Inception网络模型的每一层中分别对不同类型的数据进行特征提取，并进行特征融合；利用Adam优化器的随机梯度下降对所述层级式Inception网络模型进行训练，将经过预处理的ICU患者异构数据输入到训练好的层级式Inception网络模型，输出ICU患者的死亡风向评估结果。
全文数据：
权利要求：
百度查询： 中国科学院深圳先进技术研究院 一种基于深度学习的ICU患者死亡风险预测方法及系统
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