[发明专利]一种急性肝炎的预测装置及系统在审

专利信息
申请号: 202011162284.6 申请日: 2020-10-27
公开(公告)号: CN112435757A 公开(公告)日: 2021-03-02
发明(设计)人: 刘阳;谭世琦 申请(专利权)人: 深圳市利来山科技有限公司
主分类号: G16H50/80 分类号: G16H50/80;G16H50/70
代理公司: 深圳市恒申知识产权事务所(普通合伙) 44312 代理人: 任哲夫
地址: 518000 广东省深圳市*** 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:
搜索关键词: 一种 急性 肝炎 预测 装置 系统
【权利要求书】:

1.一种急性肝炎的预测装置,其特征在于,所述装置包括:

数据获取模块(11),用于获取急性肝炎患者的相关数据;

数据处理模块(12),与所述数据获取模块(11)连接,用于处理所述急性肝炎患者的相关数据,生成特征数据;

预测模块(13),与所述数据处理模块(12)连接,用于对所述特征数据进行预测,得到多个初步的不患病概率和患病概率;

集成模块(14),与所述预测模块(13)连接,用于对所述多个初步的不患病概率和患病概率进行统计,得到急性肝炎患者最终的不患病概率和患病概率。

2.根据权利要求1所述的装置,其特征在于,所述相关数据包括:连续数据和离散数据;

所述连续数据包括:脉搏频率、心率、呼吸频率、血氧气饱和度、年龄、身高、性别、体重指数、血压以及胆固醇指标;

所述离散数据包括:情绪状态、是否饮酒、是否患有糖尿病、是否有家族遗传糖尿病病史、是否患有肝炎、是否有肝炎遗传病历史、是否患有心脏疾病以及是否有心脏疾病遗传病历史。

3.根据权利要求2所述的装置,其特征在于,所述装置还包括:

模型训练模块15,与所述预测模块13连接,用于:

将样本集的连续数据输入SVM模型的训练算法,得到最优的权重参数;

将样本集的离散数据输入决策树模型的训练算法,构建最优的分类决策树;

将样本集的连续数据和离散数据输入MLP模型的训练算法,得到最优的权重参数;

其中,所述样本集包括多个患病和不患病个体的所述相关数据。

4.根据权利要求2所述的装置,其特征在于,所述数据处理模块(12)用于:

正则化处理所述连续数据,具体为,

采用公式计算某个指标x的中间值x';

其中,x为某个指标的原始值,x_min为某个指标的经验最小值,x_max为某个指标的经验最大值,x'为某个指标x的中间值;

对x'进行二值处理,得到特征数据:当x'大于1时将x'设置为1,当x'小于0时将x'设置为0。

5.根据权利要求2所述的装置,其特征在于,所述数据处理模块(12)还用于:

对所述离散数据进行二进制编码处理,得到特征数据。

6.根据权利要求2所述的装置,其特征在于,所述预测模块(13)用于:

采用SVM模型预测所述连续数据,得到所述连续数据的初步不患病概率和患病概率;

采用决策树模型预测所述离散数据,得到所述离散数据的初步不患病概率和患病概率;以及

采用MLP模型预测所述连续数据及离散数据,得到组合的初步不患病概率和患病概率。

7.根据权利要求6所述的装置,其特征在于,所述集成模块(14)用于:

将所述连续数据的初步不患病概率和患病概率、所述离散数据的初步不患病概率和患病概率及所述组合的初步不患病概率和患病概率输入集成学习模型,预测最终的不患病概率p0和患病概率p1,不患病概率p0和患病概率p1具体公式如下,

其中,p10为SVM模型预测的不患病概率,p20为决策树模型预测的不患病概率,p30为MLP模型预测的不患病概率,p11为SVM模型预测的患病概率,p21为决策树模型预测的患病概率,p31为MLP模型预测的患病概率,P0为最终的不患病概率;

其中,p11为SVM模型预测的患病概率,p21为决策树模型预测的患病概率,p31为MLP模型预测的患病概率,p10为SVM模型预测的不患病概率,p20为决策树模型预测的不患病概率,p30为MLP模型预测的不患病概率,P1为最终的患病概率。

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深圳市利来山科技有限公司,未经深圳市利来山科技有限公司许可,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/pat/books/202011162284.6/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top