-
公开(公告)号：CN119943280A
公开(公告)日：2025-05-06
申请号：CN202510010211.1
申请日：2025-01-03
Applicant: 内蒙古医科大学
IPC: G16H20/60 , G16H50/70 , G16H10/60 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于血液数据的恶性肿瘤患者个性化营养评估动态分析方法，涉及个性化营养评估技术领域，包括：以多层感知机神经网络为基本模型对血常规和生化数据的数据集S2进行训练，得出model_1；将待测试人的历史血常规和生化数据加入数据集S2中构成数据集S3，对数据集S3重新赋予权重；重新加载model_1的模型结构和参数，固定model_1第一层参数S3，激活model_1的第二层和第三层参数继续进行训练，训练epoch为200，得出model_2。本发明根据每个人独特的生理变化和治疗过程中的数据，提供定制化的营养状态评估，相比通用模型，更能贴合个体差异，同时模型通过不断纳入新数据进行再训练的能力，随着患者历史数据的积累，模型的预测准确性和适应性将不断提高。
-
公开(公告)号：CN119167318A
公开(公告)日：2024-12-20
申请号：CN202411688229.9
申请日：2024-11-25
Applicant: 内蒙古医科大学
IPC: G06F18/25 , G06F18/214 , G06N3/0499 , G16H50/20
Abstract: 本发明公开了一种基于常规检验数据的多尺度融合优化糖尿病肾病分类方法，涉及糖尿病肾病分类技术领域。方法包括将血常规维度从L1_1的角度输入，将尿常规维度从L1_2的角度输入，使用双损失函数分别对血常规和尿常规进行拟合，提取抽象特征层；抽象特征层通过L3进行非线性组合；经过L4、L5、L6 3层神经网络进行共同学习，最后通过L7_1、L7_2分别输出血常规维度和尿常规维度信息。本发明一种基于常规检验数据的多尺度融合优化糖尿病肾病分类方法，以多层感知机的神经网络为基本模型，构建共享融合结构，采用的共享融合训练方式使得血常规检验维度比直接拼接得出的信息更丰富，使模型训练效果更佳。
-
公开(公告)号：CN119167318B
公开(公告)日：2025-03-11
申请号：CN202411688229.9
申请日：2024-11-25
Applicant: 内蒙古医科大学
IPC: G06F18/25 , G06F18/214 , G06N3/0499 , G16H50/20
Abstract: 本发明公开了一种基于常规检验数据的多尺度融合优化糖尿病肾病分类方法，涉及糖尿病肾病分类技术领域。方法包括将血常规维度从L1_1的角度输入，将尿常规维度从L1_2的角度输入，使用双损失函数分别对血常规和尿常规进行拟合，提取抽象特征层；抽象特征层通过L3进行非线性组合；经过L4、L5、L6 3层神经网络进行共同学习，最后通过L7_1、L7_2分别输出血常规维度和尿常规维度信息。本发明一种基于常规检验数据的多尺度融合优化糖尿病肾病分类方法，以多层感知机的神经网络为基本模型，构建共享融合结构，采用的共享融合训练方式使得血常规检验维度比直接拼接得出的信息更丰富，使模型训练效果更佳。
-
公开(公告)号：CN119441940A
公开(公告)日：2025-02-14
申请号：CN202411529153.5
申请日：2024-10-30
Applicant: 内蒙古医科大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06F18/21 , G06N3/084 , G16H50/70 , G06N3/048
Abstract: 本发明公开了一种基于血常规的损失函数优化先兆流产分类方法，涉及先兆流产分类方法技术领域，方法包括：建立血常规的训练集数据和测试集数据；构建多损失函数模型，应用训练集数据进行模型训练，损失函数选择Focal‑loss与交叉熵损失函数结合对模型进行推理；采用随机搜索法系统地探索超参数空间，优化多损失函数模型性能；多损失函数模型使用Keras的model.fit接口填充数据训练，迭代训练300次，每一批大小为3000；应用建立的多损失函数模型进行基于血常规的损失函数优化先兆流产分类。本发明采用focal‑loss与交叉熵损失函数相结合的方式进行训练，最终模型损失函数为两者相加，使模型训练时间大幅缩短，并且解决了过拟合。
-
-
-
Search Results
4
records
(took 0.054 seconds)
