基于液态神经网络构建急性胰腺炎严重程度预测模型方法

本发明涉及数据分析技术领域，具体涉及一种基于液态神经网络构建急性胰腺炎严重程度预测模型方法，首先需要对患者数据进行提取和预处理，然后将AP患者分为重症AP组和轻症AP组，通过非参数检验分析筛选两组间有差异的特征指标进行下一步的机器学习建模；为了防止过度拟合，采用五折交叉检验来训练模型，通过绘制ROC曲线下的AUC值对比，得到各自机器学习模型(液态神经网络、决策树、随机森林、Logistic回归、XGBoost算法)下最佳特征组合。然后，将训练得到的各自最佳预测模型对验证数据进行验证，最后，通过SHAP可视化分析出液态神经网络模型中不同特征的影响权重并进行可视化，给医生等用户提供直观的预测参考。