摘要
本发明提供了基于近邻成分分析的术后风险预测方法、系统及存储介质,方法包括:S1.采样数据;S2.形成具有语义信息的患者实例表征,再利用非线性神经网络将患者实例表征映射到低维空间,得到具有语义信息的表征向量;S3.获取目标患者实例,并进行编码处理得到目标患者实例向量;S4.使用余弦相似度,计算目标患者实例向量与表征向量中各实例向量之间的距离,形成一个距离向量;S5.根据距离向量,预测目标患者实例的结局事件。本发明能够高效地利用额外的回顾性患者数据进行术后风险预测,优化患者实例表征,并提高预测结果的准确性与可靠性。
技术关键词
风险预测方法
成分分析
非线性神经网络
患者
Softmax函数
批量
矩阵
连续型
风险预测系统
连续特征
语义
注意力机制
文本
阶段
编码器模块
计算机
融合特征
数据
系统为您推荐了相关专利信息
HCC患者
核酸扩增技术
基因芯片
分子生物技术
检测待测样品
信号系统
构建机器学习模型
脑电信号识别
图像色彩特征
独立成分分析
决策辅助方法
糖尿病足溃疡
中药药物组合物
节点
患者创面