[发明专利]一种缺血性心脏病患者的出血事件预测方法有效
| 申请号： | 201810068813.2 | 申请日： | 2018-01-24 |
| 公开（公告）号： | CN108091397B | 公开（公告）日： | 2021-09-14 |
| 发明（设计）人： | 黄正行 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G16H50/30 | 分类号： | G16H50/30;G06Q10/04;G06K9/62 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于提升‑重采样和特征关联分析的缺血性心脏病患者出血事件预测方法，包括：(1)训练样本；(2)以逻辑回归模型为基础，引入提升‑重采样框架对训练样本进行重采样，并根据患者样本‑样本相关关系、患者特征‑特征相关关系构建逻辑回归模型的损失函数，构建预训练模型；(3)以训练样本和训练样本对应的真值标签，对预训练模型进行训练，每一次迭代，利用重采样获得的均衡子样本集对逻辑回归模型进行训练，获得与均衡子样本集对应的一个弱分类器，经过多次迭代获得的多个弱分类器，构成缺血性心脏病患者出血事件预测模型；(4)利用所述缺血性心脏病患者出血事件预测模型预测待测样本发生出血事件的概率。 | ||
| 搜索关键词： | 一种 缺血性 心脏病 患者 出血 事件 预测 方法 | ||
【主权项】：
1.一种基于提升-重采样和特征关联分析的缺血性心脏病患者出血事件预测方法，包括以下步骤：(1)采集缺血性心脏病患者的电子健康记录，并对所述电子健康记录进行清洗预处理，对样本是否发生出血事件进行标注，得到训练标签，构建训练样本；(2)以逻辑回归模型为基础，引入提升-重采样框架对训练样本进行重采样，并根据患者样本-样本相关关系、患者特征-特征相关关系构建逻辑回归模型的损失函数，构建预训练模型；(3)以所述训练样本作为所述预训练模型的输入层，以所述训练样本对应的真值标签作为所述预训练模型的输出层，对所述预训练模型进行训练，每一次迭代，利用重采样获得的均衡子样本集对逻辑回归模型进行训练，获得与均衡子样本集对应的一个弱分类器，经过多次迭代获得的多个弱分类器，构成缺血性心脏病患者出血事件预测模型；(4)将清洗预处理后的待测样本输入所述缺血性心脏病患者出血事件预测模型，经计算得到所述待测样本发生出血事件的概率，实现对缺血性心脏病患者出血事件的预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810068813.2/，转载请声明来源钻瓜专利网。
