摘要
本发明公开了一种基于VAE和GMM的透析竞争风险生存预测方法,包含:对透析患者随访数据预处理并划分训练集、测试集;预训练变分自编码器将高维临床特征重建为低维潜在表示;训练联合模型,结合变分自编码器、混合高斯聚类和多事件竞争风险子模型进行联合优化;通过高斯分量的对数概率密度预测聚类标签,通过累积风险函数预测生存概率;最后通过超参数搜索,选择最佳超参数组合,在测试集测试采取最佳超参数组合的模型。本发明能够自动识别患者亚型,实现对多种竞争风险事件的准确预测,有效提高了预测准确度,为透析患者的个体化治疗与精准管理提供有力支持。
技术关键词
生存预测方法
患者随访数据
风险
超参数
高斯混合模型
编码器
随机搜索方法
协方差矩阵
训练集
排序损失
深度学习模型
连续特征
基线
学习特征
后验概率
标签
聚类
优化器
系统为您推荐了相关专利信息
LightGBM模型
概率预测方法
模型构建系统
边坡稳定性评价
梯度提升树
路径优化方法
激光扫描路径
激光聚焦光斑
数据
功率
风险预测模型
变量
评估预测模型
患者
谷丙转氨酶
多维特征向量
多源异构数据
风险预测方法
风险预测装置
天气雷达数据
查体系统
智慧健康
转移概率矩阵
马尔可夫模型
基础