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！
摘要：本发明涉及基于深度学习算法的心胸外科术后并发症预测方法。使用光学字符识别技术从电子病历中提取文本数据，并应用自然语言处理技术对提取的文本进行实体识别；其次结合统计方法和机器学习算法，通过特征选择识别预测有价值的生物标记和临床参数，并构建包含多源数据的图结构；利用迁移学习技术对图神经网络模型进行微调，优化其在特定心胸外科手术类型的并发症预测性能；最后部署模型至实际临床环境，实时收集术后患者数据，并应用基于强化学习的动态预测调整机制调整模型参数，同时结合多模态数据融合技术，包括术后X光片、实时生理监测数据和历史临床数据，通过集成的决策支持系统提供并发症风险评估。
主权项：1.基于深度学习算法的心胸外科术后并发症预测方法，其特征在于包括以下步骤：S1、首先使用光学字符识别技术从电子病历中提取文本数据，并应用自然语言处理技术包括BERT或GPT模型对提取的文本进行实体识别，以提取与心胸外科术后相关的医疗术语和参数；S2、其次结合统计方法和机器学习算法，通过特征选择识别预测有价值的生物标记和临床参数，并构建包含多源数据的图结构，其中包括患者的历史病历、生理参数、手术细节，以控制训练图神经网络模型捕捉数据间的相互作用；所述建包含多源数据的图结构包括：S2.1、其中患者表示为图中的节点，节点属性由筛选出的关键特征组成，节点间的边代表患者之间的医疗互动或共同的医疗条件；S2.2、接着应用图神经网络GNN模型，利用节点和边的信息来捕捉和学习患者数据间的相互作用，通过模型训练控制基于图结构预测心胸外科术后的并发症数据；S2.3、使用实时数据动态调整图结构和GNN模型参数，以反映出新临床数据和患者状态的变化，控制预测模型持续优化并适应临床环境的变动；S3、再次利用迁移学习技术对图神经网络模型进行微调，优化其在特定心胸外科手术类型的并发症预测性能；S4、最后部署模型至实际临床环境，实时收集术后患者数据，并应用基于强化学习的动态预测调整机制调整模型参数，同时结合多模态数据融合技术，包括术后X光片、实时生理监测数据和历史临床数据，通过集成的决策支持系统提供并发症风险评估。
全文数据：
权利要求：
百度查询： 河南省肿瘤医院 基于深度学习算法的心胸外科术后并发症预测方法
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