摘要
本发明涉及一种抗双链DNAIgG糖基化与系统性红斑狼疮器官受累关系确定装置,包括:构建粗粒度分类模型,并采用两两组合的抗双链DNAIgG糖型对粗粒度分类模型进行训练,并对多个训练好的粗粒度分类模型进行评估,并从评估结果中找出排名靠前的若干训练好的粗粒度分类模型;构建细粒度分类模型,并采用排名靠前的若干训练好的粗粒度分类模型对应的输入对细粒度分类模型进行训练,并对若干训练好的细粒度分类模型进行评估,找出评估结果最佳的训练好的细粒度分类模型,将评估结果最佳的训练好的细粒度分类模型的输入作为预测系统性红斑狼疮器官受累的主要指标。本发明能够找到抗双链DNAIgG糖基化与SLE临床表现之间的关系。
技术关键词
细粒度分类
系统性红斑狼疮
人工神经网络模型
分类模型训练
模块
随机森林模型
关系
指标
抗体
误差
系统为您推荐了相关专利信息
新能源功率预测
气象
风速
卡尔曼滤波算法
新能源发电功率
语义特征
答案
上下文特征
多业务场景
深度语义分析
可见光图像
图像配准
图像融合方法
特征提取模块
深度学习网络