公开(公告)号：CN119475097A

公开(公告)日：2025-02-18

申请号：CN202411664305.2

申请日：2024-11-20

Applicant: 南京邮电大学

Inventor： 叶宁 ,  石晓东 ,  郭政鑫 ,  肖甫 ,  吕帅帅 ,  闫静宜 ,  王甦 ,  王娟

IPC: G06F18/2415 ,  G06F18/214 ,  G06N20/20 ,  G16H50/30 ,  G16H50/70

Abstract: 本发明涉及一种基于迭代式的欠采样代价敏感集成分类方法，属于医疗数据分析技术领域，尤其适用于处理不平衡数据集中的疾病预测模型。本发明通过迭代式的欠采样策略，动态调整多数类样本的采样概率，确保在训练过程中重点关注少数类样本的特征，同时避免丢失多数类样本的重要信息。结合代价敏感学习和集成学习，提出了一种能够在保持分类器整体准确率的同时，显著提高少数类样本预测性能的分类方法。该方法具有良好的适应性，适用于多种不平衡数据集场景，在医疗数据分析和疾病预警中展现了出色的应用效果。

公开(公告)号：CN119446531A

公开(公告)日：2025-02-14

申请号：CN202411667193.6

申请日：2024-11-20

Applicant: 南京邮电大学

Inventor： 叶宁 ,  彭志宇 ,  肖甫 ,  郭政鑫 ,  王甦 ,  王娟 ,  吕帅帅 ,  闫静宜 ,  刘佳

IPC: G16H50/30 ,  G16H50/70 ,  G06N20/20 ,  G06F18/22 ,  G06F17/16 ,  G06F18/243 ,  G06F18/2411 ,  G06F18/2415 ,  G06F18/214

Abstract: 本发明提供了一种基于特征组合和集成学习的心脏病预测方法，包括数据集预处理、特征组合、基础分类器训练和集成预测四个阶段。数据预处理阶段对公开心脏病数据集进行量纲统一和缺失值的处理，并将处理好的数据集利用设计的特征组合算法进行特征间的组合，生成新的特征矩阵，并采用多样性增强算法对新特征矩阵进行处理，最终生成不同的子特征矩阵作为多个基础分类器的输入进行训练，将每个基础分类器的预测结果进行集成，实现最终分类预测。

公开(公告)号：CN118942670A

公开(公告)日：2024-11-12

申请号：CN202410936645.X

申请日：2024-07-12

Applicant: 南京邮电大学

Inventor： 叶宁 ,  吴嘉玥 ,  肖甫 ,  郭政鑫 ,  桂林卿 ,  王甦 ,  汪莹 ,  吕帅帅 ,  闫静宜 ,  刘佳

IPC: G16H50/20 ,  G16H50/70 ,  G06F18/25

Abstract: 本专利公开了一种面向阿尔茨海默病的多模态融合系统及方法，属于人工智能和医学领域，系统由多模态数据预处理层，多模态数据特征提取层，基于注意力机制的多模态数据融合层组成；多模态数据预处理层分别对临床、遗传、图像数据进行预处理；多模态数据特征提取层对预处理后的三个单一模态数据进行特征提取；基于注意力机制的多模态数据融合层将所述三个模态的数据作为输入，利用注意力机制提取模态的单一及融合特征进行融合。本发明对于阿尔兹海默病的检测更贴合实际的临床断诊需求，有助于提高对阿尔兹海默病预测的准确性，更全面地了解患者病情，从而给患者提供更个性化的治疗措施，同时也可以对阿尔兹海默病的预防检测筛查起到相应的作用。