基于机器学习的胃癌手术相关并发症预测方法及系统

AITNT
正文
推荐专利
基于机器学习的胃癌手术相关并发症预测方法及系统
申请号:CN202510746663
申请日期:2025-06-05
公开号:CN120581223A
公开日期:2025-09-02
类型:发明专利
摘要
本发明提出一种基于机器学习的胃癌手术相关并发症预测方法及系统,包括:获取患者的样本特征,并进行预处理;样本特征包括临床特征、实验室特征、影像学特征及手术相关特征;对样本特征采用交叉验证的随机森林算法,筛选出最优样本特征;在最优样本特征中抽取出年龄特征,利用逻辑回归模型得到年龄特征与其他最优样本特征的交互项;检验交互项的显著性,将显著交互项作为修正特征与最优样本特征一同输入XGBoost模型进行训练,用于胃癌并发症预测。通过从多种患者特征中筛选出与并发症强相关的最优特征,并考虑最优特征中年龄与其他特征之间的交互作用得到交互项,在预测模型中引入这些交互项以提高并发症预测效率和准确性。
技术关键词
胃癌手术 XGBoost模型 样本 逻辑回归模型 内脏脂肪面积 随机森林 嗜碱性粒细胞计数 嗜酸性粒细胞计数 中性粒细胞计数 谷氨酰转移酶 网格搜索方法 谷丙转氨酶 谷草转氨酶 术后并发症 模型训练模块 手术入路 碱性磷酸酶 患者
系统为您推荐了相关专利信息
1
一种机理与数据驱动的索网高效调整方法
样本 精度 网面 星载天线技术 拉丁超立方采样
2
基于大模型的语音数据处理方法、装置、存储介质及电子装置
语音数据处理方法 意图 样本 加权损失函数 种子
3
异常检测模型训练方法、异常检测方法及装置、设备、介质、程序产品
图像 无标签样本 检测模型训练方法 计算机执行指令 异常检测方法
4
变压器的绕组状态的在线识别方法及装置、设备及介质
卷积神经网络模型 方差算法 绕组 在线识别方法 变压器
5
基于多流增强单流表征的加密流量威胁检测方法及装置
威胁检测方法 恶意流量检测 样本 预训练模型 加密
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号