摘要
本发明涉及术后风险预测技术领域,具体涉及基于机器学习的乳腺癌术后出血风险预测方法及系统,包括:利用特征重要性分析在个人数据和临床数据中提取出用于乳腺癌术后出血风险预测的特征变量;利用多个机器学习模型基于所述特征变量构建出多个预测模型,并进行性能评估选取出全局性能最优的预测模型;利用强化学习对全局性能最优的预测模型进行局部指标优化,得到最优化预测模型。本发明利用多个机器学习模型构建出用于乳腺癌术后出血风险预测的多个预测模型,并对多个预测模型进行性能评估筛选出最佳的预测模型,再结合强化学习对最佳的预测模型进行逐个精度不足的指标优化,得到性能最优化帮助识别高风险患者的预测模型。
技术关键词
风险预测方法
XGBoost模型
强化学习模型
变量
机器学习模型
指标
风险预测技术
风险预测系统
数据处理模块
数据采集模块
肿瘤
血红蛋白
手术
分析单元
高风险
肿块
算法
积液
系统为您推荐了相关专利信息
故障监测方法
电力电子系统
分类网络
强化学习网络
故障监测装置
入侵检测模型
智能网联汽车
机器学习模型
网络流量数据
入侵检测方法
协同预警方法
农业园区
农业系统
能源系统
提示管理人员