一种生成预测肺炎严重程度的预测模型的方法及装置制造方法及图纸

本发明专利技术主要公开了一种生成预测肺炎严重程度的预测模型的方法及装置。所述方法包括：获取受检者的临床信息。获取受检者的影像信息。从所述临床信息和影像信息中筛选出N个特征，其中，N为自然数。以所述N个特征中的至少一个为输入，肺炎严重程度为输出构建相应的分类模型。以多个受检者的N个特征为训练样本训练相应的分类模型并基于预设准则在多个分类模型中确定拟合精度和参数个数最优的分类模型为所述预测模型。采用本发明专利技术所提供的方案，生成了模型复杂度低且预测准确度高的预测模型。

【技术实现步骤摘要】
一种生成预测肺炎严重程度的预测模型的方法及装置
本专利技术涉及医疗
，特别涉及一种生成预测肺炎严重程度的预测模型的方法及装置、计算机设备及计算机可读存储介质。
技术介绍
新型冠状病毒肺炎(COVID-19，CoronaVirusDisease2019，COVID-19)，简称“新冠肺炎”。新冠肺炎的临床范围包括轻度，中度，重度和危重度。目前，对于感染了新型冠状病毒肺炎的患者而言，轻度和中度患者约各占40％，重度约占15％，危重度约占5％。在轻度和中度患者中部分患者会发展为重度和危重度。根据中国疾病预防控制中心的最新报告，新冠肺炎的总体病死率为2.3％，而重度和危重度的病死率为49.0％。因此，尽早的发现易从轻度或中度转为重度或危重度的高危患者尤为重要。另外，当新冠肺炎大规模爆发时，医疗资源往往匮乏，若能及时预测哪些患者不易转为重度或危重度，哪些患者易转为重度或危重度，也利于更加合理的分配医疗资源。目前，医生通常通过判读患者的胸片来判断患者肺炎不易或者易转为重度或危重度，但是人工方式判读效率较低且存在较大的主观性，容易导致误判。...

【技术保护点】
1.一种生成预测肺炎严重程度的预测模型的方法，其特征在于，/n获取受检者的临床信息；/n获取受检者的影像信息；/n从所述临床信息和影像信息中筛选出N个特征，其中，N为自然数；/n以所述N个特征中的至少一个为输入，肺炎严重程度为输出构建相应的分类模型；/n以多个受检者的N个特征为训练样本训练相应的分类模型并基于预设准则在多个分类模型中确定拟合精度和参数个数最优的分类模型为所述预测模型。/n

【技术特征摘要】
1.一种生成预测肺炎严重程度的预测模型的方法，其特征在于，
获取受检者的临床信息；
获取受检者的影像信息；
从所述临床信息和影像信息中筛选出N个特征，其中，N为自然数；
以所述N个特征中的至少一个为输入，肺炎严重程度为输出构建相应的分类模型；
以多个受检者的N个特征为训练样本训练相应的分类模型并基于预设准则在多个分类模型中确定拟合精度和参数个数最优的分类模型为所述预测模型。


2.如权利要求1所述的方法，其特征在于，所述受检者的临床信息包括：性别、年龄、首发症状、病发症、入院体温、入院脉搏、入院呼吸频率、入院收缩压、入院舒张压、入院时的血常规、血凝、血气分析、尿常规、肝肾功能电解质、血液免疫指标。


3.如权利要求1所述的方法，其特征在于，所述受检者的影像信息包括与肺炎关联的影像特征。


4.如权利要求1～3任一项所述的方法，其特征在于，从所述临床信息和影像信息中筛选出N个特征包括：以Boruta方法确定的临床信息和影像信息中具有重要性的特征作为N个特征。


5.如权利要求1所述的方法，其特征在于，所述分类模型包括：逻辑回归模型和线性回归模型。


6.如权利要求1所述的方法，其特征在于，以多个受检者的N个参数为训练样本训练相应的分类模型并基于预设准则在多个分类模型中确定拟合精度和参数个数...

【专利技术属性】
技术研发人员：石磊，陈佳，吕君蔚，程根，
申请(专利权)人：上海依智医疗技术有限公司，
类型：发明
国别省市：上海;31