[發明專利]一種出血轉化預測系統

有效

• 申請號: 201711209120.2
• 申請日: 2017-11-27
• 公開（公告）號: CN108053885B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 王楓
• 申請（專利權）人: 上海市第六人民醫院
• 主分類號: G16H50/30
• 分類號: G16H50/30
• 代理公司: 上海申新律師事務所 31272
• 代理人: 俞滌炯

1.一種出血轉化預測系統，其特征在于，包括：

獲取單元，用于獲取多條訓練用患者數據，每條所述訓練用患者數據中包括多個訓練用病情特征；

模型生成單元，連接所述獲取單元，用于根據多條獲取的所述訓練用患者數據生成一用于對出血轉化進行預測的預測模型，所述模型生成單元進一步包括：

特征選擇模塊，用于對所述訓練用患者數據中的所述訓練用病情特征進行選擇；

特征分類模塊，連接所述特征選擇模塊，用于對被選擇的所述訓練用病情特征進行特征分類；

模型訓練模塊，連接所述特征分類模塊，用于根據經過分類的所述訓練用病情特征訓練形成所述預測模型；

采集單元，用于采集得到實際患者數據；

預測單元，分別連接所述采集單元和所述模型生成單元，用于將所述實際患者數據送入訓練形成的所述預測模型中，以輸出對應的預測結果；

第一特征選擇部件，用于采用CM特征選擇方式對所述訓練用病情特征進行選擇；

第二特征選擇部件，用于采用封裝模型特征選擇方式對所述訓練用病情特征進行選擇；

第三特征選擇部件，用于采用過濾模型特征選擇方式對所述訓練用病情特征進行選擇；

選擇控制模塊，分別連接所述第一特征選擇部件、所述第二特征選擇部件和所述第三特征選擇部件，用于根據所述訓練用病情特征之間的對應關系選擇啟用所述第一特征選擇部件或者所述第二特征選擇部件或者所述第三特征選擇部件；

所述選擇控制模塊對所述訓練用病情特征之間的關聯關系進行判斷；

當所述關聯關系簡單時，所述選擇控制模塊選擇啟用所述第一特征選擇部件；

當所述關聯關系復雜時，所述選擇控制模塊進一步判斷獲取的所述訓練用患者數據的數據量；

當所述數據量多時，所述選擇控制模塊選擇啟用所述第二特征選擇部件；當所述數據量少時，所述選擇控制模塊選擇啟用所述第三特征選擇部件；所述封裝模型特征選擇方式中，采用CFS框架學習算法輸出的AUC值作為所述封裝模型特征選擇方式的評估函數；

所述過濾模型特征選擇方式，采用symmetrical uncertainty、RELIEF以及最小描述長度作為所述過濾模型特征選擇方式的評估函數。

2.如權利要求1所述的出血轉化預測系統，其特征在于，所述特征分類模塊采用隨機森林模型的方式對所述訓練用病情特征進行分類。

3.如權利要求1所述的出血轉化預測系統，其特征在于，所述特征分類模塊采用支持向量機的方式對所述訓練用病情特征進行分類。

4.如權利要求1所述的出血轉化預測系統，其特征在于，所述特征分類模塊采用Logistic回歸或者感知器的方式對所述訓練用病情特征進行分類。

5.如權利要求1所述的出血轉化預測系統，其特征在于，所述特征分類模塊采用AdaBoost算法對所述訓練用病情特征進行分類。

6.如權利要求3所述的出血轉化預測系統，其特征在于，還包括：

數據處理單元，連接在所述獲取單元和所述模型生成單元之間，用于對所述訓練用患者數據進行預設處理，以實現所述訓練用患者數據的數據均衡；

所述預設處理為：采用過采樣和/或多元支持向量機算法的方式對所述訓練用患者數據進行處理。

7.如權利要求4所述的出血轉化預測系統，其特征在于，還包括：

數據處理單元，連接在所述獲取單元和所述模型生成單元之間，用于對所述訓練用患者數據進行預設處理，以實現所述訓練用患者數據的數據均衡；

所述預設處理為：采用過采樣的方式對所述訓練用患者數據進行處理；和/或

采用代價敏感損失函數對所述訓練用患者數據進行處理；和/或

采用代價敏感學習率對所述訓練用患者數據進行處理。

8.如權利要求1所述的出血轉化預測系統，其特征在于，所述模型生成單元中還包括：

風險評級模塊，連接所述模型訓練模塊，所述風險評級模塊根據獲取的所述訓練用患者數據進行風險等級離散化處理，以形成一組風險評級的參照離散點，作為所述模型訓練模塊訓練形成所述預測模型時的參考數據。