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：中国人民解放军空军军医大学
申请日：2024-05-28
公开（公告）日：2024-06-25
公开（公告）号：CN118248328A
主分类号：G16H50/20
分类号：G16H50/20;G16H50/70;G06N3/047;G06N3/084
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明涉及医疗信息技术领域，公开疾病预测模型的训练方法、疾病预测系统，包括步骤：收集大量的原始病例数据，对原始病例数据进行预处理，整理出医疗数据和诊断结果；将医疗数据和诊断结果作为训练集对神经网络模型进行训练，使得神经网络模型输出医疗数据或诊断结果的预测概率；基于神经网络模型输出的预测概率，通过XGBoost算法构建疾病预测模型。本发明基于病人的原始病例数据，以多模态医疗数据为训练集训练出能够对医疗数据或诊断结果进行预测的神经网络模型，最后构建疾病预测模型用于输入待预测数据后得到诊断结果辅助医生诊断。
主权项：1.疾病预测模型的训练方法，其特征在于：包括以下步骤：步骤1，收集大量的原始病例数据，对原始病例数据进行预处理，整理出医疗数据和诊断结果；所述步骤1具体中，原始病例数据的字段数据包括病人序号、病人年龄、检验项目、检验结果、症状部位、症状程度、症状持续时间、治疗时间、治疗手段、诊断结果；所述步骤1中，对原始病例数据进行预处理，整理出医疗数据和诊断结果的步骤，包括：将病人年龄、检验项目、检验结果、症状部位、症状程度、症状持续时间、治疗时间、治疗手段这8个字段数据作为医疗数据，则所有病人的医疗数据样本集为X={X1,X2,...,XN}，其中Xi表示序号为i的病人的医疗数据，N为病人总数，i∈[1,N]；诊断结果标签集为Y={Y1,Y2,...,YN}，Yi为Xi对应的诊断结果，且将诊断结果Yi作为医疗数据Xi的标签；病人i的医疗数据为，其中表示病人i的医疗数据中的第v个字段数据，v=1,2,...,8；步骤2，将医疗数据和诊断结果作为训练集对神经网络模型进行训练，使得神经网络模型输出医疗数据或诊断结果的预测概率；步骤3，基于神经网络模型输出的预测概率，通过XGBoost算法构建疾病预测模型。
全文数据：
权利要求：
百度查询： 中国人民解放军空军军医大学 疾病预测模型的训练方法、疾病预测系统
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