[发明专利]一种基于机器学习的原发性震颤患病程度的判断方法在审
| 申请号： | 201910244938.0 | 申请日： | 2019-03-28 |
| 公开（公告）号： | CN109949932A | 公开（公告）日： | 2019-06-28 |
| 发明（设计）人： | 段峰;黄梓浩;孙哲;乔治·苏来·卡萨尔斯 | 申请（专利权）人： | 南开大学 |
| 主分类号： | G16H50/20 | 分类号： | G16H50/20;G06K9/00;G06K9/62;A61B5/11 |
| 代理公司： | 厦门市宽信知识产权代理有限公司 35246 | 代理人： | 巫丽青 |
| 地址： | 300071*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及计算机数据处理技术领域，更具体地，涉及一种基于机器学习的原发性震颤患病程度的判断方法。基于机器学习的辨别原发性震颤疾病程度的回归模型，对于训练完成的回归模型，仅需要使测试者在电子手写板上书写一些汉字即可计算出测试者患有原发性震颤的程度。 | ||
| 搜索关键词： | 原发性震颤 基于机器 回归模型 计算机数据处理技术 电子手写板 测试 学习 辨别 汉字 书写 疾病 | ||
【主权项】：
1.一种基于机器学习的原发性震颤患病程度的判断方法，其特征在于：它包括以下步骤，步骤一、从汉字字库中挑选N个汉字作为评估原发性震颤疾病时测试者需要书写的测试字，其中N≥1；步骤二、采集健康人和原发性震颤患者使用电子笔在电子手写板上书写测试字时的数据作为样本数据；步骤三、对采集到的样本数据进行预处理；步骤四、将样本特征整理成相同结构，以供训练使用；步骤五、对SVR回归模型训练，回归结果为患病程度系数；保存训练后的回归模型数据；步骤六、采集测试者在电子手写板上书写的测试字的数据，并对采集的数据按照步骤三和步骤四进行处理，输入到步骤五训练好的SVR回归模型，得到患病程度系数。
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南开大学，未经南开大学许可，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/201910244938.0/，转载请声明来源钻瓜专利网。
- 上一篇：基于贝叶斯网络的动物疫情诊断方法及系统
- 下一篇：诊断环境安保机构
