申请/专利权人:中国科学院电工研究所
申请日:2024-04-07
公开(公告)日:2024-06-21
公开(公告)号:CN118230954A
主分类号:G16H50/30
分类号:G16H50/30;G16H50/70;G16H10/20;G06F18/15;G06F18/2411;G06F18/2451
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明公开了一种术前快速预测椎体成形术后疼痛改善指数的机器学习方法,属于医学信息学、生物统计学和疼痛管理领域。所述方法包括,收集患者的临床资料数据作为训练样本,对训练样本的数值进行规范化处理,选择一类支持向量机为异常监测模型,确定径向基函数RBF为核函数,采用树型社会关系优化算法TSR优化径向基函数中的核参数,利用患者的临床资料数据训练一类支持向量机模型,利用训练好的一类支持向量机模型对患者术后的疼痛改善情况进行预测,根据预测结果调整治疗方案。所述方法能够在PVP术前快速预测病人术后疼痛改善情况,为制定术中用药方案及术后镇痛方案提供可靠依据,具有广阔的实施与转让市场前景。
主权项:1.术前快速预测椎体成形术后疼痛改善指数的机器学习方法,其特征在于,包括以下步骤:步骤1:收集临床数据,所述临床数据包括患者性别、年龄、受伤部位的数量、受伤时间、入院疼痛指数、住院天数;步骤2:对临床数据进行预处理,检查并处理缺失值、异常值,将非数值型特征转换为数值型特征,对数值型特征进行规范化处理;步骤3:选择一类支持向量机模型为异常监测模型,确定径向基函数RBF为核函数,通过优化方法计算核参数;步骤4:利用预处理后的临床数据作为训练样本,训练一类支持向量机模型;步骤5:利用训练好的一类支持向量机模型对患者术后的疼痛改善情况进行预测;步骤6:根据预测结果调整治疗方案。
全文数据:
权利要求:
百度查询: 中国科学院电工研究所 术前快速预测椎体成形术后疼痛改善指数的机器学习方法
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。