[發(fā)明專利]基于AI技術(shù)的糖尿病腎臟疾病篩查方法、模型及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010697981.5
• 申請(qǐng)日: 2020-07-20
• 公開（公告）號(hào): CN111951953B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計(jì)）人: 黎海源
• 申請(qǐng)（專利權(quán)）人: 腎泰網(wǎng)健康科技(南京)有限公司
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G16H50/30;G16H50/50
• 代理公司: 南京科知維創(chuàng)知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 32270
• 代理人: 杜依民

1.一種基于AI技術(shù)的糖尿病腎臟疾病篩查方法，其特征在于包括如下步驟：

S1搜集數(shù)據(jù)的步驟：按照納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)從醫(yī)院電子病歷數(shù)據(jù)庫(kù)獲取糖尿病患者的電子病歷數(shù)據(jù)，得到樣本數(shù)據(jù)；

S2數(shù)據(jù)清洗和標(biāo)準(zhǔn)化預(yù)處理的步驟：對(duì)樣本數(shù)據(jù)的清洗和標(biāo)準(zhǔn)化處理依據(jù)建立的醫(yī)學(xué)實(shí)體標(biāo)準(zhǔn)庫(kù)與規(guī)定的單位換算；找出樣本數(shù)據(jù)中不同的單位名稱，采用統(tǒng)一單位對(duì)各不同的單位名稱進(jìn)行統(tǒng)一替換；對(duì)樣本數(shù)據(jù)中非數(shù)值型數(shù)據(jù)進(jìn)行賦值換算；制定非數(shù)值型數(shù)據(jù)轉(zhuǎn)換規(guī)則，對(duì)樣本數(shù)據(jù)中非數(shù)值型數(shù)據(jù)按照轉(zhuǎn)換規(guī)則進(jìn)行賦值換算；對(duì)樣本數(shù)據(jù)中數(shù)值型數(shù)據(jù)進(jìn)行異常值處理，對(duì)每一個(gè)醫(yī)學(xué)特征數(shù)據(jù)進(jìn)行異常值處理；得到標(biāo)準(zhǔn)化樣本數(shù)據(jù)；

S3 PCA降維處理：

將樣本數(shù)據(jù)按列組成n行m列矩陣X；對(duì)矩陣X進(jìn)行轉(zhuǎn)置運(yùn)算，用X^T表示；將X的每一行進(jìn)行零均值化，減去這一行的均值，并與X^T相乘；求出協(xié)方差矩陣C=1/m*XX^T；求出協(xié)方差矩陣的特征值及對(duì)應(yīng)的特征向量；將特征向量按對(duì)應(yīng)特征值大小從上到下按行排列成矩陣，取前k行組成矩陣P；Y=PX即為降維到k維后的數(shù)據(jù)，從而得到K維數(shù)據(jù)；

S4 設(shè)置訓(xùn)練集和測(cè)試集：將K維數(shù)據(jù)按照拆分比例拆分成訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；

將K維數(shù)據(jù)按照10等份進(jìn)行拆分，訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)的拆分比例范圍為5:5-9:1；

S5 建立Logistic回歸預(yù)測(cè)的模型

所述Logistic回歸預(yù)測(cè)的模型包括動(dòng)態(tài)協(xié)變量和Logistic回歸計(jì)算方法；

所述動(dòng)態(tài)協(xié)變量為K維數(shù)據(jù)，所述K維數(shù)據(jù)是經(jīng)過(guò)PCA降維處理后的數(shù)據(jù)；

所述Logistic回歸計(jì)算方法，所述Logistic回歸計(jì)算方法包括“輸入”、“向前：有條件的”、“向前：LR”、“向前：wald”、“向后：有條件的”、“向后：LR”、“向后：wald”；

采用SPSS對(duì)訓(xùn)練集進(jìn)行Logistic回歸分析，選擇K維數(shù)據(jù)中的訓(xùn)練數(shù)據(jù)為動(dòng)態(tài)協(xié)變量，將訓(xùn)練數(shù)據(jù)選用Logistic回歸計(jì)算方法進(jìn)行建模；選擇協(xié)變量、設(shè)置Logistic回歸方法，每次調(diào)整協(xié)變量和Logistic回歸計(jì)算方法后得到一個(gè)待評(píng)估模型，得到待評(píng)估模型，將K維數(shù)據(jù)中的測(cè)試數(shù)據(jù)代入待評(píng)估模型，待評(píng)估模型給出預(yù)測(cè)結(jié)果，將預(yù)測(cè)結(jié)果與真實(shí)的情況進(jìn)行統(tǒng)計(jì)，得到包括動(dòng)態(tài)協(xié)變量和Logistic回歸計(jì)算方法的待評(píng)估模型，保存該包括動(dòng)態(tài)協(xié)變量和Logistic回歸計(jì)算方法的待評(píng)估模型；

再次調(diào)整協(xié)變量、Logistic回歸計(jì)算方法，調(diào)整N次協(xié)變量和Logistic回歸計(jì)算方法后得到N個(gè)待評(píng)估模型；

建立Logistic回歸預(yù)測(cè)的模型包括如下步驟：

訓(xùn)練出N個(gè)待評(píng)估模型；

S51 使用訓(xùn)練集采用SPSS進(jìn)行Logistic回歸分析

Logistic回歸預(yù)測(cè)模型包括動(dòng)態(tài)協(xié)變量和Logistic回歸計(jì)算方法，

選擇K維數(shù)據(jù)中的訓(xùn)練數(shù)據(jù)為動(dòng)態(tài)協(xié)變量，將訓(xùn)練數(shù)據(jù)選用Logistic回歸計(jì)算方法進(jìn)行建模；

S52 選擇協(xié)變量、設(shè)置Logistic回歸方法；

人工不停的調(diào)整協(xié)變量和Logistic回歸計(jì)算方法；

S53 待評(píng)估模型

每次調(diào)整協(xié)變量和Logistic回歸計(jì)算方法后得到一個(gè)待評(píng)估模型；

S54 使用測(cè)試集進(jìn)行模型評(píng)估

將K維數(shù)據(jù)中的測(cè)試數(shù)據(jù)代入待評(píng)估模型，待評(píng)估模型給出預(yù)測(cè)結(jié)果，將預(yù)測(cè)結(jié)果與真實(shí)的情況進(jìn)行統(tǒng)計(jì)，計(jì)算出該模型所對(duì)應(yīng)的查準(zhǔn)率和查全率，

S55保存待評(píng)估模型

該待評(píng)估模型保存，保存該待評(píng)估模型的動(dòng)態(tài)協(xié)變量和Logistic回歸計(jì)算方法；

S56調(diào)整協(xié)變量、Logistic回歸計(jì)算方法

調(diào)整協(xié)變量、Logistic回歸計(jì)算方法，按照步驟S52-S55，繼續(xù)計(jì)算，得出F1₂

同理，得出F1₃-F1_X-F1_n，其中，F(xiàn)1_X表示第X個(gè)待評(píng)估模型的F1值，其中X取值為1到n的自然數(shù)；

最終，調(diào)整N次協(xié)變量和Logistic回歸計(jì)算方法后得到N個(gè)待評(píng)估模型；

調(diào)整N次協(xié)變量和Logistic回歸計(jì)算方法后得到N個(gè)待評(píng)估模型，計(jì)算出N個(gè)模型的查準(zhǔn)率Precision和查全率Recall；

將Precision和Recall加權(quán)調(diào)和平均數(shù)最大的所對(duì)應(yīng)的模型確定為優(yōu)質(zhì)模型；

Precision和Recall加權(quán)調(diào)和平均數(shù)的公式如下：

F1 = 2*Precision*Recall / (Precision + Recall)；

S6優(yōu)質(zhì)模型，包括確定優(yōu)質(zhì)模型的步驟，調(diào)整協(xié)變量，每次調(diào)整協(xié)變量后都會(huì)生成一個(gè)待評(píng)估模型，選取F1最高的模型作為優(yōu)質(zhì)模型，該優(yōu)質(zhì)模型中所存在的協(xié)變量和Logistic回歸計(jì)算方法為優(yōu)質(zhì)協(xié)變量和優(yōu)質(zhì)Logistic回歸計(jì)算方法；

S7 模型運(yùn)用

用戶運(yùn)用糖尿病腎臟疾病篩查模塊。