公开(公告)号：CN109087712A

公开(公告)日：2018-12-25

申请号：CN201810712225.8

申请日：2018-06-29

Applicant: 中南大学湘雅医院 ,  湖南自兴智慧医疗科技有限公司 ,  湖南省自兴人工智能研究院

Inventor： 张国刚 ,  刘丽珏 ,  柏勇平 ,  谭世洋 ,  罗靖旻 ,  穆阳 ,  张伟

IPC: G16H50/70 ,  G16H50/50

Abstract: 本发明公开了一种基于随机子空间集成学习的主动脉夹层筛查模型及其建立方法、系统和模型。本发明针对现有传统诊断方法对于主动脉夹层诊断的效率低、误诊率高、漏诊率低、成本高、过程复杂的缺点，提供一种基于随机子空间集成学习的主动脉夹层筛查方法。该方法利用机器学习的RS-Ensemble算法建立RS模型，利用RS模型进行主动脉夹层的筛查和诊断，大大提高了诊断准确率，同时大大降低了误诊率和漏诊率，实现高效低成本的诊断。

公开(公告)号：CN109087712B

公开(公告)日：2021-10-12

申请号：CN201810712225.8

申请日：2018-06-29

Applicant: 中南大学湘雅医院 ,  湖南自兴智慧医疗科技有限公司 ,  湖南省自兴人工智能研究院

Inventor： 张国刚 ,  刘丽珏 ,  柏勇平 ,  谭世洋 ,  罗靖旻 ,  穆阳 ,  张伟

IPC: G16H50/70 ,  G16H50/50

Abstract: 本发明公开了一种基于随机子空间集成学习的主动脉夹层筛查模型及其建立方法、系统和模型。本发明针对现有传统诊断方法对于主动脉夹层诊断的效率低、误诊率高、漏诊率低、成本高、过程复杂的缺点，提供一种基于随机子空间集成学习的主动脉夹层筛查方法。该方法利用机器学习的RS‑Ensemble算法建立RS模型，利用RS模型进行主动脉夹层的筛查和诊断，大大提高了诊断准确率，同时大大降低了误诊率和漏诊率，实现高效低成本的诊断。

公开(公告)号：CN109871901A

公开(公告)日：2019-06-11

申请号：CN201910171280.5

申请日：2019-03-07

Applicant: 中南大学

Inventor： 刘丽珏 ,  谭世洋 ,  李仕浩

IPC: G06K9/62

Abstract: 本发明公开了一种基于混合采样和机器学习的不平衡数据分类方法，包括：步骤一，生成训练集；步骤二，针对训练集中的少数类样本集P，复制P生成P'，利用P和P'合成PP'，在PP'的基础上采用smote算法生成S，同时P、P'和S构成PP'S；步骤三，针对训练集中的多数类样本集N，不放回地随机欠采样得到t个Ni；步骤四，重复执行步骤二t次，得到t个不同的PP'Si，将Ni与对应的PP'Si合成新的训练集，得到t个子集；步骤五，训练生成t个分类器Hi；步骤六，集成t个Hi，得到最终的分类器H，利用分类器H完成对不平衡数据集的分类。本发明提高少数类样本的关注度同时不会过分丢失多数类的信息；减小了过拟合和过度泛化的可能；训练效果好，不易过拟合，训练速度快。