[发明专利]一种基于机器学习的类风湿关节炎预测方法及装置

权利要求书

1.一种基于机器学习的类风湿关节炎预测方法，其特征在于，包括：

建立类风湿关节炎的机器学习模型；

采集患者的样本中与类风湿关节炎相关的多个特征；

将所述多个特征输入所述机器学习模型，预测所述样本的类风湿关节炎的风险概率。

2.根据权利要求1所述的基于机器学习的类风湿关节炎预测方法，其特征在于，所述多个特征包括类风湿因子和抗环瓜氨酸肽抗体。

3.根据权利要求2所述的基于机器学习的类风湿关节炎预测方法，其特征在于，所述多个特征还包括患者的年龄和性别。

4.根据权利要求1所述的基于机器学习的类风湿关节炎预测方法，其特征在于，建立所述机器学习模型包括如下步骤：

利用相同的第一样本集的所有样本中与类风湿关节炎相关的多个特征获得多个数据分析方法的预测准确率，从而获得预测准确率最高的数据分析方法；

基于预测准确率最高的数据分析方法构建初始机器学习模型；

利用第二样本集对所述初始机器学习模型进行训练，获得所述机器学习模型。

5.根据权利要求4所述的基于机器学习的类风湿关节炎预测方法，其特征在于，所述多个数据分析方法包括朴素贝叶斯分类器、Logistic回归分析法、支持向量机算法、K近邻算法、人工神经网络、随机森林算法、梯度提升决策树算法中的至少两个。

6.一种基于机器学习的类风湿关节炎预测装置，其特征在于，包括模型建立模块、特征值采集模块和预测模块；

所述模型建立模块用于建立类风湿关节炎的机器学习模型；

所述特征值采集模块用于采集患者的样本中与类风湿关节炎相关的多个特征；

所述预测模块用于将所述多个特征输入机器学习模型，预测所述样本的类风湿关节炎的风险概率。

7.根据权利要求6所述的基于机器学习的类风湿关节炎预测装置，其特征在于，所述多个特征包括类风湿因子和抗环瓜氨酸肽抗体。

8.根据权利要求7所述的基于机器学习的类风湿关节炎预测装置，其特征在于，所述多个特征还包括患者的年龄和性别。

9.根据权利要求6所述的基于机器学习的类风湿关节炎预测装置，其特征在于，所述模型建立模块包括准确率获得模块、初始模型构建模块和训练模块；

所述准确率获得模块用于利用相同的第一样本集的所有样本中与类风湿关节炎相关的多个特征获得多个数据分析方法的预测准确率；

所述初始模型构建模块用于基于预测准确率最高的数据分析方法构建初始机器学习模型；

所述训练模块用于利用第二样本集对所述初始机器学习模型进行训练，获得所述机器学习模型。

10.根据权利要求9所述的基于机器学习的类风湿关节炎预测装置，其特征在于，所述多个数据分析方法包括朴素贝叶斯分类器、Logistic回归分析法、支持向量机算法、K近邻算法、人工神经网络、随机森林算法、梯度提升决策树算法中的至少两个。