一种基于机器学习的弱视矫治效果预测方法、装置及设备制造方法及图纸

本申请公开了一种基于机器学习的弱视矫治效果预测方法、装置及设备，方法包括：获取弱视矫治相关数据，弱视矫治相关数据包括患者基础信息、裸眼视力、球镜度数和矫治措施；采用随机森林算法基于决策树对弱视矫治相关数据进行特征筛选分析，得到特征集；将特征集分别输入多种不同的基础预测模型中进行效果预测，再进行融合操作，得到预测结果。本申请能够解决现有技术难以预见当前弱视矫治方案的治疗效果，无法控制并避免误诊耽误治疗时机的技术问题。题。题。

【技术实现步骤摘要】
一种基于机器学习的弱视矫治效果预测方法、装置及设备


[0001]本申请涉及医疗数据处理
，尤其涉及一种基于机器学习的弱视矫治效果预测方法、装置及设备。

技术介绍

[0002]弱视严重影响青少年儿童学习生活，弱视如得不到及时治理，会导致患者终身视力受损，给家庭和社会带来沉重负担。然而，弱视眼在矫治上存在病程长、矫治落实难度大，患者年龄越小，矫治效果越好等特点。因此，青少年儿童弱视矫治是一个争分夺秒的过程。但在临床场景下，医生只有在拥有丰富的临床经验和学习较多临床研究报告之后，才能开出较好的矫治方案和对矫治效果有较为粗略的估计。
[0003]弱视患者矫治整体方案包括具体矫治措施制定，矫治效果预测以及复诊安排等，高度依赖医生的丰富临床经验，还需要消耗医生较多的时间和精力。此外，我国医疗资源分布很不均衡，每次诊治弱视患者，对乡镇社区卫生机构及欠发达地区县一二级医院在内的基层眼科医生来说都是一次“大数据”的挑战。相比起人脑的记忆分析，机器学习可以帮助分析预测，从而辅助医生做出更合理的决策。毫无疑问，弱视矫治效果预测无论是对初诊病人，还是复诊本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的弱视矫治效果预测方法，其特征在于，包括：获取弱视矫治相关数据，所述弱视矫治相关数据包括患者基础信息、裸眼视力、球镜度数和矫治措施；采用随机森林算法基于决策树对所述弱视矫治相关数据进行特征筛选分析，得到特征集；将所述特征集分别输入多种不同的基础预测模型中进行效果预测，再进行融合操作，得到预测结果。2.根据权利要求1所述的基于机器学习的弱视矫治效果预测方法，其特征在于，所述获取弱视矫治相关数据，之后还包括：对所述弱视矫治相关数据进行第一预处理操作，所述第一预处理操作包括缺失值处理。3.根据权利要求1所述的基于机器学习的弱视矫治效果预测方法，其特征在于，所述获取弱视矫治相关数据，之后还包括：对所述弱视矫治相关数据进行第二预处理操作，所述第二预处理操作包括离散化处理和One
‑
hot编码处理。4.根据权利要求1所述的基于机器学习的弱视矫治效果预测方法，其特征在于，所述采用随机森林算法基于决策树对所述弱视矫治相关数据进行特征筛选分析，得到特征集，包括：采用随机森林算法计算每颗决策树中所述弱视矫治相关数据对应的样本特征的重要性；将所有的所述样本特征的重要性进行降序排列，并按照预设百分比筛选所述样本特征，得到特征集。5.根据权利要求1所述的基于机器学习的弱视矫治效果预测方法，其特征在于，所述将所述特征集分别输入多种不同的基础预测模型中进行效果预测，再进行融合操作，得到预测结果，包括：将所述特征集分别输入多种不同的基础预测模型中进行效果预测，得到基础预测结果；基于预设线性融合公式和所述基础预测结果计算融合结果，得到预测结果，所...

【专利技术属性】
技术研发人员：成天河，张立臣，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：