技术新讯 > 医药医疗技术的改进,医疗器械制造及应用技术 > ERCP术后高淀粉酶血症预测模型训练方法及系统与流程  >  正文

ERCP术后高淀粉酶血症预测模型训练方法及系统与流程

  • 国知局
  • 2024-08-22 15:00:00

本申请涉及数据处理,尤其涉及一种ercp术后高淀粉酶血症预测模型训练方法及系统。

背景技术:

1、在医疗领域,随着医疗技术的不断发展和数据科学的应用,机器学习模型在辅助医生进行疾病预测和风险评估时,已经成为一种趋势。例如在内镜逆行胰胆管造影(ercp)术后管理中,对高淀粉酶血症等并发症的预测对于优化患者治疗和预防不良事件具有重要意义。然而,现有的ercp术后高淀粉酶血症预测方法主要依赖于医生的临床经验和对单一监测指标的解读,这种方法往往存在主观性强、预测精度不高的问题。此外,由于医疗数据的复杂性和多样性,如何有效地从大量的监测数据中提取出有价值的信息,并准确预测患者发生高淀粉酶血症的风险,是面临的重要挑战。

技术实现思路

1、有鉴于此,本申请实施例至少提供一种ercp术后高淀粉酶血症预测模型训练方法及系统。本申请的技术方案是这样实现的:

2、一方面,本申请提供一种ercp术后高淀粉酶血症预测模型训练方法,所述方法包括:获取训练病例库对应的ercp术后监测数据样本库;所述ercp术后监测数据样本库包括高淀粉酶血症未发生组样本以及高淀粉酶血症发生组样本;所述高淀粉酶血症未发生组样本携带高淀粉酶血症未发生标记,所述高淀粉酶血症发生组样本携带高淀粉酶血症发生标记;确定所述ercp术后监测数据样本库中各个ercp术后监测数据样本对应的监测指标表征向量;依据所述ercp术后监测数据样本库对应的多个所述监测指标表征向量进行分组,得到多个分组;基于所述多个分组分别对应的监测指标表征向量,确定目标分组;将所述目标分组对应的高淀粉酶血症未发生组样本的标记,修正成所述高淀粉酶血症发生标记,得到修正ercp术后监测数据样本库;基于所述修正ercp术后监测数据样本库训练初始ercp术后高淀粉酶血症预测模型,得到目标ercp术后高淀粉酶血症预测模型。

3、另一方面,本申请提供一种计算机系统,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以上所述方法中的步骤。

4、本申请的有益效果至少包括:本申请在确定ercp术后监测数据样本库对应的监测指标表征向量之后,对ercp术后监测数据样本库中各个ercp术后监测数据样本对应的监测指标表征向量进行分组,获得多个分组;以及在其中选定出具有危险的目标分组,以将目标分组中的监测指标表征向量对应的高淀粉酶血症未发生组样本的标记进行变更,完成对ercp术后监测数据样本库中高淀粉酶血症标记的调节,得到修正ercp术后监测数据样本库,使得训练模型的样本具有高可靠性,之后基于修正ercp术后监测数据样本库训练初始ercp术后高淀粉酶血症预测模型,能让获得的目标ercp术后高淀粉酶血症预测模型的预测精度更高,辅助医生进行高风险病例的准确快速识别。

技术特征:

1.一种ercp术后高淀粉酶血症预测模型训练方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,所述依据所述ercp术后监测数据样本库对应的多个所述监测指标表征向量进行分组,得到多个分组,包括:

3.如权利要求2所述的方法,其特征在于,所述基于所述多个分组分别对应的监测指标表征向量,确定目标分组,包括:

4.如权利要求3所述的方法,其特征在于,所述依据所述预设ercp术后监测数据库对应的多个所述预设监测指标表征向量进行分组,得到多个预设分组,包括:

5.如权利要求2所述的方法,其特征在于,所述方法还包括:

6.如权利要求1所述的方法,其特征在于,所述确定所述ercp术后监测数据样本库中各个ercp术后监测数据样本对应的监测指标表征向量,包括:

7.根据权利要求6所述的方法,其特征在于,所述对位于同一分类集群中的监测指标表征向量对应的监测指标数据进行监测指标出现率分析,得到所述分类集群对应的集群核心指标,包括:

8.根据权利要求6或7所述的方法,其特征在于,所述依据所述集群核心指标和所述表征向量挖掘模型的监测指标特征挖掘重点,对所述表征向量挖掘模型进行训练,包括:

9.根据权利要求8所述的方法,其特征在于,所述依据所述多个ercp术后监测数据样本对应的监测指标表征向量在所述表征向量域中的向量位置,对所述多个ercp术后监测数据样本对应的监测指标表征向量进行群集分析,得到多个分类集群,包括:

10.如权利要求5所述的方法,其特征在于,所述依据所述高淀粉酶血症未发生组样本与所述高淀粉酶血症发生组样本分别对应的数据项序列,确定所述高淀粉酶血症未发生组样本与所述高淀粉酶血症发生组样本的数据项共性度量值,包括:

11.如权利要求10所述的方法,其特征在于,所述基于所述第一数据项共性度量值,确定所述高淀粉酶血症未发生组样本与所述高淀粉酶血症发生组样本的数据项共性度量值,包括:

12.如权利要求11所述的方法,其特征在于,所述基于所述第一数据项共性度量值以及所述第二数据项共性度量值,确定所述高淀粉酶血症未发生组样本与所述高淀粉酶血症发生组样本的数据项共性度量值,包括:

13.如权利要求1所述的方法,其特征在于,所述基于所述修正ercp术后监测数据样本库训练初始ercp术后高淀粉酶血症预测模型,得到目标ercp术后高淀粉酶血症预测模型,包括:

14.一种计算机系统,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至13任一项所述方法中的步骤。

技术总结本申请提供了一种ERCP术后高淀粉酶血症预测模型训练方法及系统,在确定ERCP术后监测数据样本库对应的监测指标表征向量之后,对ERCP术后监测数据样本库中各个ERCP术后监测数据样本对应的监测指标表征向量进行分组,获得多个分组;以及在其中选定出具有危险的目标分组,以将目标分组中的监测指标表征向量对应的高淀粉酶血症未发生组样本的标记进行变更,完成对ERCP术后监测数据样本库中高淀粉酶血症标记的调节,得到修正ERCP术后监测数据样本库,使得训练模型的样本具有高可靠性,之后基于修正ERCP术后监测数据样本库训练初始ERCP术后高淀粉酶血症预测模型,能让获得的目标ERCP术后高淀粉酶血症预测模型的预测精度更高。技术研发人员:王雪琪,刁美,孔赤寰受保护的技术使用者:首都儿科研究所附属儿童医院技术研发日:技术公布日:2024/8/20

本文地址:https://www.jishuxx.com/zhuanli/20240822/280729.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。