-
公开(公告)号：CN118800434A
公开(公告)日：2024-10-18
申请号：CN202410782151.0
申请日：2024-06-18
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)
IPC: G16H50/20 , G16H10/40 , G06F18/2411 , G06F18/243 , G06F18/2415 , G16H50/30
Abstract: 本发明公开了一种基于血液检查和HybridBoost的疾病筛查方法、装置及可读介质，包括：构建基于HybridBoost模型的已知疾病的筛查模型并训练，得到经训练的已知疾病的筛查模型，HybridBoost模型包括第一XGBoost模型、SVM模型、随机森林模型、逻辑回归模型、DNN模型和第二XGBoost模型；将检测者的基本信息和血液检查结果输入经训练的已知疾病的筛查模型，基本信息和血液检查结果分别输入第一XGBoost模型、SVM模型、随机森林模型、逻辑回归模型和DNN模型，预测得到第一概率、第二概率、第三概率、第四概率和第五概率并输入第二XGBoost模型，得到筛查概率，基于筛查概率确定疾病筛查结果，疾病筛查结果包括检测者患有已知疾病或检测者不患有已知疾病。本发明预测准确性高，适用于早期筛查。
-
公开(公告)号：CN118866089A
公开(公告)日：2024-10-29
申请号：CN202410877961.4
申请日：2024-07-02
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)
IPC: G16B20/30 , G16B30/00 , G16B40/00 , G16B50/30 , G06N3/0455 , G06F18/2431 , G06F18/27 , G06N3/048
Abstract: 本发明公开了一种基于蛋白质序列的功能性Khib位点预测方法、装置及可读介质，包括：获取待预测的2‑羟基异丁酰组数据并从中提取到待预测的HSP(10，10)数据，对待预测的HSP(10，10)数据进行特征编码，得到若干个序列特征和若干个结构特征，将待预测的HSP(10，10)数据以及若干个序列特征和若干个结构特征输入功能性Khib位点预测模型，提取到多维度特征并得到若干个序列特征、若干个结构特征和多维度特征对应的分数所构成的分数向量，将分数向量输入经训练的第一分类模块，得到最终的分数，根据最终的分数确定待预测的HSP(10，10)数据是否位于功能性Khib位点附近，从而实现更准确和高效的功能性Khib位点预测。
-
公开(公告)号：CN118824508A
公开(公告)日：2024-10-22
申请号：CN202410782154.4
申请日：2024-06-18
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)
IPC: G16H50/20 , G16H50/30 , G06F18/2411 , G06F18/243 , G06N3/08 , G06N20/10 , G06N20/20
Abstract: 本发明公开了一种基于机器学习的神经系统疾病预测及分类方法，包括以下步骤：获取样本数据；对样本数据进行预处理并划分为训练集和验证集；采用不同的机器学习方法建立不同的神经系统疾病预测模型；基于训练集对不同的神经系统疾病预测模型分别进行训练；采用验证集验证神经系统疾病预测模型的性能，选出性能最好的机器学习方法；采用选出的机器学习方法针对特定疾病建立神经系统疾病分类模型并进行训练；采用SHAP值分析神经系统疾病分类模型中不同特征的影响程度。本发明筛选出最佳的机器学习方法以建立模型，评估发生神经系统疾病的风险，并基于SHAP算法进行分析多种神经系统疾病之间相互区分的特征指标以及各类神经系统疾病的独特血液学特征。
