[发明专利]全血细胞计数在预测SARS-CoV-2感染中的应用

权利要求书

1.全血细胞计数在预测SARS-CoV-2感染中的应用，其特征在于，提供一种全血细胞计数预测SARS-CoV-2感染的机器学习方法，包括如下步骤：

S1：患者数据集收集；

S2：模型定义，采用机器学习模型进行比较，机器学习模型应用决策树，K近邻算法，支持向量机和朴素贝叶斯四种分类器进行分类；

S3：进行K倍交叉验证；

白细胞是全血细胞计数中最重要的特征，可预测是否为COVID-19阳性；

全血细胞计数中其他主要因素是嗜酸性粒细胞，单核细胞，血小板和平均红细胞血红蛋白浓度。

2.根据权利要求1所述的全血细胞计数预测SARS-CoV-2感染的机器学习方法，其特征在于，步骤S2中，模型中省略半重症监护病房和ICU的患者数据，中性粒细胞也不包括在内。

3.根据权利要求1所述的全血细胞计数预测SARS-CoV-2感染的机器学习方法，其特征在于，步骤S2中，每种模型的性能均以准确性，敏感性，特异性和AUC表示。

4.根据权利要求1所述的全血细胞计数预测SARS-CoV-2感染的机器学习方法，其特征在于，步骤S2中，各个模型的计算公式如下：

准确度：

敏感性：

特异性：

其中，t_p是阳性患者中被模型预测为阳性的个数，f_n是阳性患者中被模型预测为阴性的个数，t_n是阴性患者中被模型预测为阴性的个数，f_p是阴性患者中被模型预测为阳性的个数。

5.根据权利要求1所述的全血细胞计数预测SARS-CoV-2感染的机器学习方法，其特征在于，在接受未住院的全血细胞计数预测COVID-19阳性时，与其他已公开的ANN，RF和glmnet分类器相比，决策树的准确性与AUC最高。