公开(公告)号：CN114999628B

公开(公告)日：2023-06-02

申请号：CN202210445525.0

申请日：2022-04-26

Applicant: 暨南大学

Inventor： 张佳 ,  张子龙 ,  龙锦益

IPC: G16H50/20 ,  G16H50/30 ,  G16H50/70 ,  G06F18/2411 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种利用机器学习寻找退行性膝骨关节炎显著性特征方法，具体涉及智能医疗技术领域，包括以下具体步骤：S1.采集临床就诊患者的中医和西医信息，对信息预处理，构建膝骨关节炎特征数据集；S2.利用自编码器的特征降维特性去训练编码器学习膝骨关节炎的风险性特征；S3.使用6种现有的特征选择算法对膝骨关节炎特征数据集进行特征排序；S4.利用SVM分类器训练模型；S5.取出6种算法结果中高频出现的特征，并对比自编码器与传统特征选择方法对于选择风险性因素的效果。本发明筛选出的风险性因素可为中医诊断膝骨关节炎提供科学可靠的参考，构建更为准确可靠的疾病辨识模型。