摘要
本发明公开了一种神经内科指标预测系统及方法,首先采集神经内科患者的病例数据;然后将采集的病例数据进行处理后形成测试数据;同时构建神经内科指标预测模型;再将测试数据输入神经内科指标预测模型进行训练;最后将未参与训练的病例数据输入训练完毕的神经内科指标预测模型,通过神经内科指标预测模型将未参与训练的病例数据生成患者神经内科疾病预测结果;通过多模态数据融合提升预测全面性,显著提高早期功能性异常的检出灵敏度,通过高维非线性关联挖掘与模型泛化性优化使预测模型更加准确稳定,能够实现无创低成本与临床可解释性兼顾,无需侵入性检测或高成本影像设备,适用于基层医疗机构的大规模筛查。
技术关键词
指标预测方法
预测系统
动态监测数据
多模态数据融合
基层医疗机构
抗血小板药物
逻辑回归算法
患者
影像设备
数据处理模块
训练集
分类特征
数据采集模块
特征工程
特征选择
血压
疾病
分析模块
系统为您推荐了相关专利信息
流量预测模型
注意力机制
训练样本数据
数据预测方法
多层感知机
风险分类方法
多模态数据融合
组学特征
标志物
肺结节良恶性
交通流参数
交通流预测方法
无人机巡检
车道
流量预测模型
监测系统
多模态数据融合
药物
内科
实时数据传输系统
优化核极限学习机
供水量预测方法
多项式核函数
粒子群优化算法
矩阵