一种预测急性胰腺炎患者发生AKI的模型的构建方法及系统

    公开(公告)号:CN118197601A

    公开(公告)日:2024-06-14

    申请号:CN202410357605.X

    申请日:2024-03-27

    Abstract: 本发明涉及一种预测急性胰腺炎患者发生AKI的模型的构建方法及系统,其方法包括:获取多个急性胰腺炎患者的临床数据;通过动态基线的方法确定是否发生急性肾损伤,并标记得到实验数据集;对实验数据集进行数据降处理以提取出特征;将实验数据集随机分割为训练集和测试集;将训练集分别对多个机器学习模型进行训练,得到多个AKI预测模型;将测试集分别对多个AKI预测模型进行验证,并选取性能最好的AKI预测模型作为最终AKI预测模型。利用本发明构建的模型,能够预测急性胰腺炎患者中发生AKI的风险,有助于实现早期发现、早期诊断和早期干预,进而预防不可逆的肾脏损害,解决了临床上AKI诊断不及时而造成延误最佳治疗时机。

    基于机器学习构建肺部感染风险预测模型的方法及系统

    公开(公告)号:CN118039177A

    公开(公告)日:2024-05-14

    申请号:CN202410303404.1

    申请日:2024-03-18

    Abstract: 本发明涉及一种基于机器学习构建肺部感染风险预测模型的方法及系统,其方法包括:根据研究对象集获取针对肺部感染研究的多种研究因素;采用Logistic回归模型、惩罚性回归模型和随机森林模型从所有研究因素中筛选出显著性研究因素;将显著性研究因素作为变量对Logistic回归模型或/和决策树模型进行模型训练,得到肺部感染风险预测模型。本发明使用三种经典的机器学习方法共同确定慢性肾脏病患者肺部感染发病和不良预后结局独立相关的风险因素,并使用Logistic回归模型或/和决策树模型得到最终的肺部感染风险预测模型,可以更方便地为慢性肾脏病患者制定更科学合理的治疗方案,以提升慢性肾脏病患者的总体生存率。

Patent Agency Ranking