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：浙江大学
申请日：2024-02-07
公开（公告）日：2024-06-25
公开（公告）号：CN118248331A
主分类号：G16H50/30
分类号：G16H50/30;G16H50/70;G16H10/60;G06F18/243;G06F18/214;G06N5/01
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种基于机器学习的萎缩性胃炎评估方法和装置，包括：收集病例的风险因素以及病例的临床检测数据和生化数据，并进行数据处理，同时对病例人群进行分级，分别是：非萎缩性胃炎组、轻中度萎缩性胃炎组、重度萎缩性胃炎组；2利用ADASYN过采样算法对不平衡数据进行处理，确保各风险分级的数据量相同；3构建改进后的梯度提升决策树模型，并采用调整权重后的指标对模型进行训练；4通过模型选择三个分数中最大分数所在的类别为判别的类别；5计算各个风险因素的特征重要性并进行排名，输出可视化图形结果，该方法和装置能够实现一种种廉价、无创、快速、高精度的萎缩性胃炎评估。
主权项：1.一种基于机器学习的萎缩性胃炎评估方法，其特征在于，包括以下步骤：获取病例人群的多项萎缩性胃炎风险因素数据并进行预处理；获取病例人群的临床检测数据和生化数据，并基于临床检测数据和生化数据按照OLGAOLGIM评判原则将病例人群划分为非萎缩性胃炎组、轻中度萎缩性胃炎组、以及重度萎缩性胃炎组这三组萎缩性胃炎风险等级，作为标注数据；按照标签数据将预处理后的萎缩性胃炎风险因素数据划分为训练集和测试集；采用ADASYN过采样处理方式对训练集进行采样，基于采样后的数据采用改进的梯度提升决策树模型XGBoostLSS学习各组萎缩性胃炎风险因素与萎缩性胃炎风险等级之间的关系并进行分类训练，得到最佳评估模型；利用最佳评估模型对测试集进行验证得到分类验证效果，并通过计算每项风险因素对应特征的特征评分对萎缩性胃炎风险因素的特征重要性进行了进一步分析，特征评分越高，对应萎缩性胃炎风险因素对于预测萎缩性胃炎危险等级的贡献越大。
全文数据：
权利要求：
百度查询： 浙江大学 一种基于机器学习的萎缩性胃炎评估方法和装置
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