一种基于机器学习的心衰患者生存预测方法技术

本发明专利技术涉及机器学习技术领域，具体涉及一种基于机器学习的心衰患者生存预测方法，包括对患者生命体特征数据进行预处理，利用机器学习算法对特征数据的特征集进行选择优化；进行相关特征提取和分类，构建特征集；经过训练得到最优的特征组合结果，并进行归一化；将特征集作为机器学习模型的输入，利用机器学习模型进行学习，经过训练和预测，得到结果与进行传统生物传统的单变量生物统计分析进行交叉验证，综合得出心衰患者生存概率；本发明专利技术通过获取到所需要的数据后通过机器学习模型进行对心衰患者的生存概率进行预测，通过识别出生存率偏低的患者帮助卫生保健提供者将资源和服务直接提供给这些患者，以进行更好的干预，提高患者生存率。高患者生存率。高患者生存率。

【技术实现步骤摘要】
一种基于机器学习的心衰患者生存预测方法


[0001]本专利技术涉及机器学习
，具体涉及一种基于机器学习的心衰患者生存预测方法。

技术介绍

[0002]全球每年约有1700万人死于心血管疾病，主要表现为心肌梗死和心力衰竭。当心脏不能泵出足够的血液来满足身体的需要时，就会发生心力衰竭。可用的患者电子医疗记录量化症状、身体特征和临床实验室测试值，可用于执行生物统计分析，以突出模式和相关性，否则医生无法检测到。尤其是机器学习，它可以根据患者的数据预测其生存状况，并能从他们的医疗记录中提取出最重要的特征。因此，设计了一种基于机器学习的心衰患者生存预测模型。该模型不仅可以提高诊断效率，还能为医生提供更加客观、准确的诊断结果，因而具有重要的临床应用价值。
[0003]患有心力衰竭的患者症状和体征各不相同，其诊断依据有患者既往临床病史、目前症状病历、体格检查、X线胸片、静息心电图和彩色超声心电图等。近年来，机器学习技术已经出现，以解决医学领域的许多问题。而且已有研究发现，基于人工智能技术的决策支持模型有助于改善临床实践。/>
技术实现思路
...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的心衰患者生存预测方法，其特征在于，包括对患者生命体特征数据进行预处理，利用机器学习算法对特征数据的特征集进行选择优化，并测试准确率；进行相关特征提取和分类，构建特征集；经过训练得到最优的特征组合结果，并进行归一化；将特征集作为机器学习模型的输入，利用机器学习模型进行学习，经过训练和预测，得到结果暂时保留；进行传统生物传统的单变量生物统计分析，与通过机器学习分析得到的结果进行交叉验证，综合得出心衰患者生存概率。2.根据权利要求1所述的基于机器学习的心衰患者生存预测方法，其特征在于，所述分类通过算法优化，所述算法包括随机森林算法、高斯核函数以及线性回归算法。3.根据权利要求2所述的基于机器学习的心衰患者生存预测方法，其特征在于，在所述随机森林算法中，产生一个独立于以前的随机向量的随机向量θ
k
并将其分发给所有树，每棵树种植用训练集和随机向量θ
k
，从而由输入向量x产生树—结构化分类器集合{h(x,θ
k
),k＝1,......}；在随机森林算法中，泛化误差为：PE

【专利技术属性】
技术研发人员：李灯熬，赵菊敏，李鑫，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：