基于GRU-ODE-Bayes脓毒血症模型构建及识别方法、装置及存储介质

文档序号:31949781发布日期:2022-10-26 07:42阅读:来源:国知局

技术特征:
1.基于gru-ode-bayes脓毒血症模型构建方法,其特征在于,包括:从医院的重症监护及医院感染系统的数据库中获取患者数据;对患者数据进行变量以及特征的筛选,获取到包含筛选后的变量或特征的筛选数据;将所述筛选数据输入到搭建好的多个不同参数的gru-ode-bayes模型中,对多个不同参数的gru-ode-bayes模型进行训练,根据多个模型训练的输出结果选取最终的gru-ode-bayes模型。2.根据权利要求1所述的方法,其特征在于,所述对患者数据进行变量以及特征的筛选包括:在患者数据中,选取包含sepsis-3以及cdc算法中相关变量的数据,纳入筛选数据;对剩下的患者数据,采用统计学方法,判断是否满足正态性;满足正态性的情况下,采用t检验,通过对剩下的患者数据中重复抽样多次,对某特征值进行统计学检验后得到单次p
m
值,将每次获得的p
m
值相加后求其平均值,得到p值;再通过某特征的条数总和/患者的全数据条数,得到mr值;不满足正态性的情况下,采用mann whitney检验,得到p值,再通过某特征的条数总和/患者的全数据条数,得到mr值;当p以及mr值满足预设的条件时,将包含该特征的患者数据纳入到筛选数据中。3.根据权利要求2所述的方法,其特征在于,所述根据多个模型训练的输出结果选取最终的gru-ode-bayes模型包括:多个模型训练的输出结果为曲线下面积、灵敏度、特异度、阳性预测值、阴性预测值以及f1值,选取曲线下面积、灵敏度、特异度以及阳性预测值综合最高的gru-ode-bayes模型作为最终的gru-ode-bayes模型。4.根据权利要求2所述的方法,其特征在于,还包括:对筛选数据中的人口学特征不做特殊处理,保留原始值;对筛选数据中的连续性数据进行归一化处理,使得数据值保持在统一水平;对筛选数据中的时序性数据构建标记特征;将处理后的筛选数据输入搭建好的多个不同参数的gru-ode-bayes模型中。5.根据权利要求2所述的方法,其特征在于,所述当p以及mr值满足预设的条件时,将包含该特征的患者数据纳入到筛选数据中包括:当p小于0.1以及mr小于0.99时,将包含该特征的患者数据纳入到筛选数据中。6.基于gru-ode-bayes脓毒血症识别方法,其特征在于,所述方法基于权利要求1-5任一项所述的基于gru-ode-bayes脓毒血症模型构建方法得到的所述gru-ode-bayes脓毒血症模型,所述识别方法包括:获取患者的数据,对患者数据进行变量以及特征的筛选;将包含筛选后的变量或特征的数据输入到搭建好的gru-ode-bayes脓毒血症模型中;gru-ode-bayes脓毒血症模型输出每一位患者被识别为患脓毒血症的概率p1及非脓毒血症的概率p0;取概率p1以及概率p0中更大的值作为结果,从而将患者分为脓毒血症发病患者或未发病患者。
7.基于gru-ode-bayes脓毒血症模型构建装置,其特征在于,所述装置包括:数据获取模块:用于从医院的重症监护及医院感染系统的数据库中获取患者数据;变量及特征筛选模块:用于对患者数据进行变量以及特征的筛选,获取到包含筛选后的变量或特征的筛选数据;最终gru-ode-bayes模型获取模块:用于将所述筛选数据输入到搭建好的多个不同参数的gru-ode-bayes模型中,对多个不同参数的gru-ode-bayes模型进行训练,根据多个模型训练的输出结果选取最终的gru-ode-bayes模型。8.基于gru-ode-bayes脓毒血症识别装置,其特征在于,所述装置包括:筛选模块:用于获取患者的数据,对患者数据进行变量以及特征的筛选;输入模块:用于将包含筛选后的变量或特征的数据输入到搭建好的gru-ode-bayes脓毒血症模型中;输出模块:用于通过gru-ode-bayes脓毒血症模型输出每一位患者被识别为患脓毒血症的概率p1及非脓毒血症的概率p0;识别模块:用于取概率p1以及概率p0中更大的值作为结果,从而将患者分为脓毒血症发病患者或未发病患者。9.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被主控器执行时,实现如权利要求1-5任一项或权利要求6所述的方法中的各个步骤。

技术总结
本发明涉及基于GRU-ODE-Bayes脓毒血症模型构建及识别方法、装置及存储介质,包括:通过从医院的重症监护及医院感染系统的数据库中获取患者数据;对患者数据进行变量以及特征的筛选,再将筛选变量或特征的数据输入到搭建好的多个不同参数的GRU-ODE-Bayes模型中,由于对数据进行了特征及变量的筛选,最终输入到GRU-ODE-Bayes模型的数据量明显减少,同时对患者的数据有充分的利用,本申请选用GRU-ODE-Bayes模型来识别脓毒血症,GRU-ODE-Bayes模型是在GRU模型的基础上,利用常微分方程(ODE)方程解决相邻时点的模型更新问题,利用贝叶斯方法更新对零星观测的模型参数,通过GRU-ODE-Bayes模型,可以在一些稀疏的非规律时序性的医疗数据进行检测或预测研究时,同时保障数据的利用度和对复杂疾病的识别效果。的利用度和对复杂疾病的识别效果。的利用度和对复杂疾病的识别效果。


技术研发人员:孙鑫 王雯 王鸣岐 刘梅 何俏 付波
受保护的技术使用者:四川大学华西医院
技术研发日:2022.07.11
技术公布日:2022/10/25
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1