龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：电子科技大学
摘要：本发明属于医学数据处理技术领域，公开了基于特征渐进融合的慢性病进展预测方法及系统。本发明在特征渐进融合过程中通过动态选择患者的人口统计学表征、疾病表征和时序临床检验表征中预测性能更好的模态特征，再与其余两个模态特征融合，实现逐渐地多次融合，能够充分利用多模态特征之间的互补信息，提高对慢性病进展预测的准确性。本发明在基于LSTM对缺失的时序临床检验特征进行填补的过程中，除了直接利用LSTM对缺失的特征进行预测外，还考虑了缺失特征与完整特征之间的相似度，通过二者均值对缺失的时序临床检验特征进行填补，提高了数据填补的准确性。本发明考虑了患者就诊记录之间的间隔大小，更准确地提取时序临床检验特征。
主权项：1.基于特征渐进融合的慢性病进展预测方法，其特征在于，该方法包含：获取慢性病患者的医学数据，所述医学数据包含每个患者的人口统计学特征、共病特征、时序临床检验特征、是否发生了感兴趣的慢性病进展以及进展发生的时间；分别对时序临床检验特征、人口统计学特征和共病特征进行特征提取，得到时序临床检验特征表征、人口统计学特征表征和共病特征表征；将时序临床检验特征表征、人口统计学特征表征、共病特征表征融合为初始融合表征；选择时序临床检验特征表征、人口统计学特征表征、共病特征表征中预测性能最好的表征作为中间表征；将中间表征与初始融合表征拼接后替换所述预测性能最好的表征；将替换后的预测性能最好的表征与其余两个模态的表征融合，并用融合后的表征替换初始融合表征，每次融合后进行一次所述中间表征的选择，并依次重复所述拼接、融合处理，直至完成预设次数的融合，得到最终融合表征；根据最终融合表征计算患者在某时刻进展为感兴趣的慢性病的概率。
全文数据：
权利要求：
百度查询： 电子科技大学 基于特征渐进融合的慢性病进展预测方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号