申请/专利权人：北京和兴创联健康科技有限公司

申请日：2023-08-18

公开（公告）日：2024-07-05

公开（公告）号：CN117153389B

主分类号：G16H50/30

分类号：G16H50/30;G16H20/40;G06F18/214;G06F18/213;G06F18/22;G06F18/27;G06F18/2415

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2023.12.19#实质审查的生效;2023.12.01#公开

摘要：本发明属于医疗技术领域，公开了一种非创伤性用血输注后血红蛋白变化预测方法及系统：获取输血专科数据库中的初始数据；从初始数据中筛选出手术信息为非手术用血，且检测信息满足预设条件的第一数据；将第一数据分为G类数据，并按照预设比例分别将每类数据划分为训练数据和测试数据，将每类数据的训练数据合并为训练数据集合，将每类数据的测试数据合并为测试数据集合；使用训练数据集合训练贝叶斯岭回归模型得到非创伤性输血模型，随后使用测试数据集合对非创伤性输血模型进行测试，获取测试结果；将用血输注量和受血者基本信息输入非创伤性输血模型，获得血红蛋白变化量。本发明解决了输血前后血红蛋白变化量计算速度慢、准确率低的问题。

主权项：1.一种非创伤性用血输注后血红蛋白变化预测方法，其特征在于，包括如下步骤：步骤1、获取输血专科数据库中的初始数据，所述初始数据包括患者信息、输血信息、检测信息和手术信息；步骤2、从所述初始数据中筛选出所述手术信息为非手术用血，且所述检测信息满足预设条件的第一数据；步骤3、基于所述患者信息、所述输血信息和所述检测信息对所述第一数据进行分类，将所述第一数据分为G类数据，并按照预设比例分别将每类数据划分为训练数据和测试数据，将所述每类数据的训练数据合并为训练数据集合，将所述每类数据的测试数据合并为测试数据集合；步骤4、使用所述训练数据集合训练贝叶斯岭回归模型得到非创伤性输血模型，随后使用所述测试数据集合对所述非创伤性输血模型进行测试，获取测试结果；步骤5、将用血输注量和受血者基本信息输入所述非创伤性输血模型，获得血红蛋白变化量；所述步骤3包括：步骤31、所述患者信息包括年龄数据，按照不同的年龄段将所述第一数据分为H个患者信息分类集合；步骤32、选择第h个患者信息分类集合，生成所述第h个患者信息分类集合中每个数据的特征向量，所述特征向量为Vhi=（x1,...,xj,...,xJ），其中，h为1～H的正整数，Vhi为所述第h个患者信息分类集合中的第i个数据的特征向量，xj为所述第i个数据的第二患者信息、所述输血信息和所述检测信息中的第j个数据，所述第二患者信息为除年龄数据之外的所述患者信息；步骤33、选取所述第h个患者信息分类集合中的任一个数据作为第一基准数据，并分别计算所述第h个患者信息分类集合中其他每个数据的特征向量与所述第一基准数据的特征向量第一相似度，将所述第一相似度大于等于第一预设值的数据划分到h1类数据，将所述第一相似度小于所述第一预设值的数据划分到h2类数据；步骤34、判断所述h1类数据中数据量和所述h2类数据中数据量的差值；步骤35、当所述差值大于等于第二预设值时，将所述h1类数据和所述h2类数据中数据量少的作为h3类数据、数据量多的作为h4类数据，选取所述h4类数据中的任一个数据作为第二基准数据，并分别计算所述h4类数据中其他每个数据的特征向量和所述第二基准数据的特征向量的第二相似度，将所述第二相似度大于等于第三预设值的数据划分到h5类数据，将所述第二相似度小于所述第三预设值的数据划分到h6类数据，将所述h3类数据、所述h5类数据和所述h6类数据作为所述第h个患者信息分类集合的分类结果，随后判断h是否等于H，当h＜H时，h=h+1，返回所述步骤32，否则进入步骤37；步骤36、当所述差值小于所述第二预设值时，将所述h1类数据和所述h2类数据作为所述第h个患者信息分类集合的分类结果，随后判断h是否等于H，当h＜H时，h=h+1，返回所述步骤32，否则进入所述步骤37；步骤37、输出所述H个患者信息分类集合的分类结果作为所述第一数据的分类结果；所述步骤1之前，建立所述输血专科数据库，包括：步骤11、生成输血专科信息表；步骤12、获取N家医院的M个输血信息表，并将所述M个输血信息表存储在第一存储单元，其中，0＜N≤M；步骤13、选择第m个输血信息表，提取所述第m个输血信息表中的横线和竖线信息，以横线和竖线组成的最小方格为单位分析所述第m个输血信息表的类别区域和数据区域，并基于分析结果生成所述第m个输血信息表的第一类别名称集合和第一抽取规则，其中，m为1～M的正整数，所述第一抽取规则为从左向右抽取或从上向下抽取；步骤14、基于所述第一类别名称集合和所述第一抽取规则将所述第m个输血信息表中的数据抽取到所述输血专科信息表中，生成新的输血专科信息表；步骤15、判断所述新的输血专科信息表中的数据是否有误，若有误，则返回所述步骤13，重新抽取所述第m个输血信息表中的数据，若无误，则判断m是否等于M，当m＜M时，m=m+1，返回所述步骤13，否则进入步骤16；步骤16、将所述新的输血专科信息表存储在所述第一存储单元中；所述步骤14包括：步骤141、判断所述第一类别名称集合中的第一类别名称和所述第一类别名称对应的序号，是否与所述输血专科信息表的第二类别名称集合中的第二类别名称和所述第二类别名称对应的序号一致；步骤142、若一致，则基于类别名称按照所述第一抽取规则将每个所述第一类别名称对应的数据抽取到所述输血专科信息表中；步骤143、若不一致，则为所述第二类别名称集合中的第二类别名称分配不同的标识，并为所述第一类别名称集合中与所述第二类别名称集合中类别名称和序号都一致的所述第一类别名称分配相同的标识，为所述第一类别名称集合中与所述第二类别名称集合中类别名称和或序号不一致的所述第一类别名称分配不同的标识，随后基于类别名称按照所述第一抽取规则将所述第一类别名称集合中与所述第二类别名称集合中类别名称和序号都一致的所述第一类别名称对应的数据抽取到所述输血专科信息表中，将所述第一类别名称集合中与所述第二类别名称集合中类别名称和或序号不一致的所述第一类别名称和不一致的第一类别名称对应的数据抽取到所述输血专科信息表中；所述步骤2之后还包括：步骤221、从所述第一数据中提取预设数量的样本数据；步骤222、建立参数权重计算公式：，其中，yq为所述样本数据中第q个患者的基本数据集，xqr为所述第q个患者的所述患者信息、所述输血信息和所述检测信息中的第r个参数，kr为所述第r个参数对应的参数权重值，Q为所述样本数据中的患者总数，R为所述患者信息、所述输血信息和所述检测信息中的参数总数；步骤223、建立预测模型，将所述权重计算公式输入到所述预测模型，输出所述样本数据中每个患者的血红蛋白变化预测值，分别计算所述样本数据中每个患者输血前后的实际血红蛋白变化量，随后计算所述参数权重计算公式对应的第一损失值：，其中，为所述第q个患者的实际血红蛋白变化量，为所述第q个患者的血红蛋白变化预测值，F为所述第一损失值；步骤224、调整所述参数权重计算公式中的权重，获取使所述第一损失值达到最小值时所述参数权重计算公式中每个参数的参数权重值；步骤225、将所述参数权重值小于等于第四预设值的参数对应的数据从所述第一数据中删除，生成新的第一数据。

全文数据：

权利要求：

百度查询： 北京和兴创联健康科技有限公司 一种非创伤性用血输注后血红蛋白变化预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD