买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京深睿博联科技有限责任公司;杭州深睿博联科技有限公司

摘要：本发明主要公开了一种生成预测肺炎严重程度的预测模型的方法及装置。所述方法包括：获取受检者的临床信息。获取受检者的影像信息。从所述临床信息和影像信息中筛选出N个特征，其中，N为自然数。以所述N个特征中的至少一个为输入，肺炎严重程度为输出构建相应的分类模型。以多个受检者的N个特征为训练样本训练相应的分类模型并基于预设准则在多个分类模型中确定拟合精度和参数个数最优的分类模型为所述预测模型。采用本发明所提供的方案，生成了模型复杂度低且预测准确度高的预测模型。

主权项：1.一种生成预测肺炎严重程度的预测模型的方法，其特征在于，获取受检者的临床信息；获取受检者的影像信息；从所述临床信息和影像信息中筛选出N个特征，其中，N为自然数；以所述N个特征中的至少一个为输入，肺炎严重程度为输出构建相应的分类模型；以多个受检者的N个特征为训练样本训练相应的分类模型并基于预设准则在多个分类模型中确定拟合精度和参数个数最优的分类模型为所述预测模型；所述受检者的临床信息包括：性别、年龄、首发症状、病发症、入院体温、入院脉搏、入院呼吸频率、入院收缩压、入院舒张压、入院时的血常规、血凝、血气分析、尿常规、肝肾功能电解质、血液免疫指标；从所述临床信息和影像信息中筛选出N个特征包括：以Boruta方法确定的临床信息和影像信息中具有重要性的特征作为N个特征；具体包括如下步骤：S1、以临床信息和影像信息的特征的特征值生成特征矩阵，对特征矩阵中的各个特征取值进行随机排序，将随机排序后的特征值与原特征值拼接构成新的特征矩阵；S2、将新的特征矩阵作为特征重要度模型的输入以输出每个特征的重要性和重要度；S3、计算原特征值realfeatures和随机排序后的特征shadowfeatures的标准分数Z_score，其中，Z_score通过如下公式获得： Z_score=average_featurefeature_importance的标准差其中，单个特征在单棵数上的feature_importance=oob_acc_after_perputation；oob_acc_after_perputation是指将该单个特征进行随机排序之后再用out_of_bag的样本在单棵树上的精确度accuracy；S4、在随机排序后的特征shadowfeatures中找出最大的Z_score记为Z_max；S5、将Z_score大于Z_max的realfeatures标记为“重要”，将Z_score显著小于Z_max的原特征值realfeatures标记为“不重要”，并且从特征集合中永久删除；S6、删除所有的随机排序后的特征shadowfeatures；S7、重复S1~S6，直到所有的realfeatures都被标记为“重要”或“不重要”；对于标记“重要”的原特征值realfeatures，其Z_score作为该realfeatures的重要度。

全文数据：

权利要求：

百度查询： 北京深睿博联科技有限责任公司 杭州深睿博联科技有限公司 一种生成预测肺炎严重程度的预测模型的方法及装置