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：四川大学
摘要：本发明公开了一种基于深度学习的尘肺病预后多结局竞争风险预测方法，包括如下步骤：1获取基础数据并构建数据库，基础数据包括社会状态、生活卫生习惯、接尘因素、基因易感染性、发病状况、检查指标、以及结局；2对基础数据的处理：利用插值法对基础数据中的异常值处理，再利用合成少数类过采样技术对基础数据创建数据集；3将步骤2构建的数据集利用DNN神经网络构建尘肺结局预后预测模型，并训练尘肺结局预后预测模型获取最终预测模型。本发明有效防止尘肺病的发生，并通过管理其不良预后因素，减少尘肺患者劳动能力和经济效益的损失。
主权项：1.一种基于深度学习的尘肺病预后多结局竞争风险预测方法，其特征在于，包括如下步骤：1获取基础数据并构建数据库，基础数据包括社会状态、生活卫生习惯、接尘因素、基因易感染性、发病状况、检查指标、以及结局；2对基础数据的处理：利用插值法对基础数据中的异常值处理，再利用合成少数类过采样技术对基础数据创建数据集；首先需要对数据进行系统性地预处理，包括数据清理、缺失值填补，然后，对暴露数据进行归一化处理以消除变量量纲不一致对结果的影响，最后，基于单因素的logistics或者cox风险回归模型对暴露因素进行初步筛选以控制过多无关变量对模型拟合效果的干扰；3将步骤2构建的数据集利用DNN神经网络构建尘肺结局预后预测模型，并训练尘肺结局预后预测模型获取最终预测模型；采用深度循环神经网络DNN并运用注意力机制来进行学习和构建尘肺病预后多结局竞争风险预测模型；其中，各类危险因素为输入层，尘肺病多结局竞争发病风险为输出层，损失函数定义为竞争风险存活时间的似然函数，而参数的优化则采用梯度回传算法，将已有数据作为训练集并进行参数估计的交叉验证，而将后期不断纳入的新病例作为验证集进行外部校验，并根据模型的适用情况动态地进行参数优化。
全文数据：
权利要求：
百度查询： 四川大学 基于深度学习的尘肺病预后多结局竞争风险预测方法
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