基于机器学习的慢性阻塞性肺病的分级诊断和急性加重预测方法

本发明提供一种基于机器学习的慢性阻塞性肺病的分级诊断和急性加重预测方法。该方法包括：获取患者的肺功能测量数据、临床信息、实验室检测结果、CT图像、代谢分析数据和急诊随访记录；使用卷积神经网络对CT图像进行肺叶区域的图像分割；对标准化处理后的除了CT图像的其他数据进行统计分析；将与慢性阻塞性肺病严重程度相关的指标数据、和与慢性阻塞性肺病严重程度相关的影像特征融合，得到预测变量集合；将预测变量集合划分为训练集、验证集和测试集；将训练集输入机器学习模型进行训练，将验证集输入训练后的模型进行优化；将测试集输入最终优化后的模型，得到慢性阻塞性肺病患者的分级诊断指数的预测结果，以及是否有急性加重趋势的预测结果。