[發明專利]全血細胞計數在預測SARS-CoV-2感染中的應用有效
| 申請號： | 202011314648.8 | 申請日： | 2020-11-21 |
| 公開（公告）號： | CN112525804B | 公開（公告）日： | 2022-07-22 |
| 發明（設計）人： | 魏冬青;法哈德·胡瑪云;王恒;王艷菁 | 申請（專利權）人： | 煙臺智醫醫藥科技有限公司;上海交通大學 |
| 主分類號： | G01N15/10 | 分類號： | G01N15/10;G06K9/62;G06N20/00;G16H10/60 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 264000 山東省煙*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 血細胞 計數 預測 sars cov 感染 中的 應用 | ||
1.全血細胞計數在預測SARS-CoV-2感染中的應用，其特征在于，提供一種全血細胞計數預測SARS-CoV-2感染的機器學習方法，包括如下步驟：
S1：患者數據集收集；
S2：模型定義，采用機器學習模型進行比較，機器學習模型應用決策樹，K近鄰算法，支持向量機和樸素貝葉斯四種分類器進行分類；
S3：進行K倍交叉驗證；
白細胞是全血細胞計數中最重要的特征，可預測是否為COVID-19陽性；
全血細胞計數中其他主要因素是嗜酸性粒細胞，單核細胞，血小板和平均紅細胞血紅蛋白濃度。
2.根據權利要求1所述的全血細胞計數預測SARS-CoV-2感染的機器學習方法，其特征在于，步驟S2中，模型中省略半重癥監護病房和ICU的患者數據，中性粒細胞也不包括在內。
3.根據權利要求1所述的全血細胞計數預測SARS-CoV-2感染的機器學習方法，其特征在于，步驟S2中，每種模型的性能均以準確性，敏感性，特異性和AUC表示。
4.根據權利要求1所述的全血細胞計數預測SARS-CoV-2感染的機器學習方法，其特征在于，步驟S2中，各個模型的計算公式如下：
準確度：
敏感性：
特異性：
其中，tp是陽性患者中被模型預測為陽性的個數，fn是陽性患者中被模型預測為陰性的個數，tn是陰性患者中被模型預測為陰性的個數，fp是陰性患者中被模型預測為陽性的個數。
5.根據權利要求1所述的全血細胞計數預測SARS-CoV-2感染的機器學習方法，其特征在于，在接受未住院的全血細胞計數預測COVID-19陽性時，與其他已公開的ANN，RF和glmnet分類器相比，決策樹的準確性與AUC最高。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于煙臺智醫醫藥科技有限公司;上海交通大學，未經煙臺智醫醫藥科技有限公司;上海交通大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011314648.8/1.html，轉載請聲明來源鉆瓜專利網。
