摘要
本发明涉及深静脉血栓医学诊断领域,尤其涉及一种早期深静脉血栓预测模型建立策略、预测方法与装置,包括收集骨折患者的电子病历数据;对骨折患者的电子病历数据采用过滤式、包裹式、嵌入式、模型法以及因果关系特征选择方法筛选出与DVT有关的特征;将筛选出的特征作为输入端放入Logistic回归、随机森林、Bagging、LightGBM机器学习模型中,评估各个模型预测骨折患者DVT发病风险的最优策略,得到早期深静脉血栓预测模型;构建DVT预测可视化便捷交互程序以辅助临床医生进行医疗决策。本发明通过收集骨折患者的临床电子病历数据,创新性的使用因果关系特征选择方法结合机器学习构建了骨折患者DVT风险监测模型,为提升DVT的检出率并降低骨折患者死亡率预提供了一种新的尝试。
技术关键词
深静脉血栓
电子病历数据
骨折患者
特征选择方法
机器学习模型
策略
临床电子病历
输入模块
效应
输出模块
分析模块
指标
鲁棒性
学习算法
输入端
预测装置
随机森林
高风险
白蛋白
系统为您推荐了相关专利信息
配电网项目
造价
指标
数据获取模块
敏感性分析方法
广告轮播系统
数据采集模块
动态
播放控制模块
训练机器学习模型
光动力治疗光敏剂
机器学习模型
人工智能驱动
数据获取模块
数据处理模块
智能监护系统
胃肠道肿瘤
多维特征向量
Lyapunov指数
深度学习分析