[发明专利]一种基于集成学习融合模型的异常空腹血糖值预警方法在审
| 申请号： | 201811192652.4 | 申请日： | 2018-10-13 |
| 公开（公告）号： | CN109378072A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 廖贤艺;王荣政;陈湘萍;林格;周凡 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G16H50/30 | 分类号： | G16H50/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 510006 广东*** | 国省代码： | 广东;44 |
| 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集成学习融合模型的异常空腹血糖值预警方法。本发明通过结合个体的血常规、肝功能、血脂、肾功能等体检数据，使用集成学习的方法，融合梯度回归树、随机森林、线性回归等模型来对空腹血糖值进行预测；通过大量训练数据训练预测模型，从而提高预测模型的精确度、普适性和鲁棒性。能及时对没有进行空腹血糖检查的个体进行空腹血糖预测，对糖尿病高风险患者进行有效预警。 | ||
| 搜索关键词： | 空腹血糖 集成学习 预测模型 预警 融合 血常规 肝功能 随机森林 线性回归 训练数据 鲁棒性 普适性 肾功能 预测 血脂 糖尿病 体检 回归 检查 | ||
【主权项】：
1.一种基于集成学习融合模型的异常空腹血糖值预警方法，其特征在于，所述方法包括：从医院获取体检者群体的体检数据，作为原始训练集。对原始训练集进行数据的缺失值处理、标准化处理。对处理后的训练集进行特征选取，去除无关特征与冗余特征。利用所选取的特征，分别作为梯度回归树模型、随机森林模型、线性回归模型的训练集，之后选择线性回归作为元模型来融合训练完成的梯度回归树、随机森林、线性回归预测模型，将三种预测模型的输出作为元模型的输入，再次训练作为元模型的线性回归模型，从而建立完整的预测模型。使用已训练好的预测模型对用户输入的体检数据进行预测，获得体检数据的空腹血糖预测值，根据预设的阈值判断是否为异常空腹血糖值，并把结果反馈给用户。
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中山大学，未经中山大学许可，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/201811192652.4/，转载请声明来源钻瓜专利网。
