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：上海美沃精密仪器股份有限公司
申请日：2024-03-26
公开（公告）日：2024-06-21
公开（公告）号：CN118228121A
主分类号：G06F18/2411
分类号：G06F18/2411;A61B3/028;A61B3/00;G06F18/214;G06F18/27
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明属于人工智能医疗数据分析领域，具体涉及一种基于机器学习的真实屈光度预测方法，包括步骤有：搜集3‑12岁儿童的样本数据；进行数据清洗和数据集划分；整体建模；分组和整体合并stacking建模；模型测试、性能评估。本发明纳入睫状肌麻痹前的屈光度及眼生物测量数据，将相关生物特征均纳入考虑从而减小误差；并且通过年龄和屈光度分组，考虑到不同人群的差异性，做到分组精准预测；同时结合整体模型预测结果，提出stacking机器学习模型，使机器学习模型能够学习到更多的潜在特征。在测试评估阶段和不用该方法作对比，突显了本发明的方法对真实屈光度预测更准确，临床应用价值高。
主权项：1.一种基于机器学习的真实屈光度预测方法，其特征在于，包括以下步骤：步骤S1：搜集3-12岁儿童的样本数据，包括睫状肌麻痹前后的屈光度及眼生物测量数据；步骤S2：进行数据清洗和数据集划分：首先丢弃数据不全的样本；再筛选出有效数据；在机器学习模型训练之前，将筛选好的数据集按4:1的人数比例划分成训练验证集和测试集；步骤S3：整体建模：采用不同的机器学习预测模型对整体数据训练预测，这样让各预测模型学习共同的特征；采用五折交叉验证训练，选择出最佳的预测模型；再用这个训练完毕的最佳预测模型交叉预测训练验证数据集，得到预测结果；步骤S4：分组和整体合并stacking建模：对训练验证集和测试集按年龄和睫状肌麻痹前的屈光度进行分组，结合步骤S3整体训练的预测结果，采用不同的机器学习预测模型对各组数据单独训练预测；采用五折交叉验证训练，选择出最佳的预测模型；步骤S5：模型测试、性能评估：对比不采用或采用步骤S4训练完毕的最佳预测模型在测试集上进行测试的数据指标。
全文数据：
权利要求：
百度查询： 上海美沃精密仪器股份有限公司 一种基于机器学习的真实屈光度预测方法
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