[发明专利]一种出血转化预测系统

权利要求书

1.一种出血转化预测系统，其特征在于，包括：

获取单元，用于获取多条训练用患者数据，每条所述训练用患者数据中包括多个训练用病情特征；

模型生成单元，连接所述获取单元，用于根据多条获取的所述训练用患者数据生成一用于对出血转化进行预测的预测模型，所述模型生成单元进一步包括：

特征选择模块，用于对所述训练用患者数据中的所述训练用病情特征进行选择；

特征分类模块，连接所述特征选择模块，用于对被选择的所述训练用病情特征进行特征分类；

模型训练模块，连接所述特征分类模块，用于根据经过分类的所述训练用病情特征训练形成所述预测模型；

采集单元，用于采集得到实际患者数据；

预测单元，分别连接所述采集单元和所述模型生成单元，用于将所述实际患者数据送入训练形成的所述预测模型中，以输出对应的预测结果；

第一特征选择部件，用于采用CM特征选择方式对所述训练用病情特征进行选择；

第二特征选择部件，用于采用封装模型特征选择方式对所述训练用病情特征进行选择；

第三特征选择部件，用于采用过滤模型特征选择方式对所述训练用病情特征进行选择；

选择控制模块，分别连接所述第一特征选择部件、所述第二特征选择部件和所述第三特征选择部件，用于根据所述训练用病情特征之间的对应关系选择启用所述第一特征选择部件或者所述第二特征选择部件或者所述第三特征选择部件；

所述选择控制模块对所述训练用病情特征之间的关联关系进行判断；

当所述关联关系简单时，所述选择控制模块选择启用所述第一特征选择部件；

当所述关联关系复杂时，所述选择控制模块进一步判断获取的所述训练用患者数据的数据量；

当所述数据量多时，所述选择控制模块选择启用所述第二特征选择部件；当所述数据量少时，所述选择控制模块选择启用所述第三特征选择部件；所述封装模型特征选择方式中，采用CFS框架学习算法输出的AUC值作为所述封装模型特征选择方式的评估函数；

所述过滤模型特征选择方式，采用symmetrical uncertainty、RELIEF以及最小描述长度作为所述过滤模型特征选择方式的评估函数。

2.如权利要求1所述的出血转化预测系统，其特征在于，所述特征分类模块采用随机森林模型的方式对所述训练用病情特征进行分类。

3.如权利要求1所述的出血转化预测系统，其特征在于，所述特征分类模块采用支持向量机的方式对所述训练用病情特征进行分类。

4.如权利要求1所述的出血转化预测系统，其特征在于，所述特征分类模块采用Logistic回归或者感知器的方式对所述训练用病情特征进行分类。

5.如权利要求1所述的出血转化预测系统，其特征在于，所述特征分类模块采用AdaBoost算法对所述训练用病情特征进行分类。

6.如权利要求3所述的出血转化预测系统，其特征在于，还包括：

数据处理单元，连接在所述获取单元和所述模型生成单元之间，用于对所述训练用患者数据进行预设处理，以实现所述训练用患者数据的数据均衡；

所述预设处理为：采用过采样和/或多元支持向量机算法的方式对所述训练用患者数据进行处理。

7.如权利要求4所述的出血转化预测系统，其特征在于，还包括：

数据处理单元，连接在所述获取单元和所述模型生成单元之间，用于对所述训练用患者数据进行预设处理，以实现所述训练用患者数据的数据均衡；

所述预设处理为：采用过采样的方式对所述训练用患者数据进行处理；和/或

采用代价敏感损失函数对所述训练用患者数据进行处理；和/或

采用代价敏感学习率对所述训练用患者数据进行处理。

8.如权利要求1所述的出血转化预测系统，其特征在于，所述模型生成单元中还包括：

风险评级模块，连接所述模型训练模块，所述风险评级模块根据获取的所述训练用患者数据进行风险等级离散化处理，以形成一组风险评级的参照离散点，作为所述模型训练模块训练形成所述预测模型时的参考数据。