一种基于迁移学习的血液透析充分性预测方法

本发明属于医疗数据分析技术领域，公开了一种基于迁移学习的血液透析充分性预测方法，步骤S1、采集透析数据并进行处理：将时间增量、电导率和温度共同作为输入变量并进行标准化处理；步骤S2、模型训练：经过步骤S1处理后的数据，利用改进的多源域TrAdaboost算法进行回归预测模型的训练。该算法首先训练多个弱回归器，经过多轮迭代，逐步提升每个弱回归器的性能，并最终通过集成多个弱回归器，构建出一个强回归模型，作为最终的预测模型；步骤3：透析充分性预测：将新的患者数据输入步骤2训练好的最终回归模型，进行透析充分性预测。通过本发明实现通过电导率和温度对透析充分性的有效预测。