一种医学检测数据误差识别模型构建方法与装置制造方法及图纸

技术编号:39671632 阅读:26 留言:0更新日期:2023-12-11 18:37
本发明专利技术提供了一种医学检测数据误差识别模型构建方法与装置,包括:对医学检测数据进行数据清洗得到数据清洗后的医学检测数据;利用数据清洗后的医学检测数据制作训练数据;采用指数加权移动均值法建立初始模型,并为每个初始模型设置不同的模型参数得到多个待选模型;基于训练数据计算每个待选模型的

【技术实现步骤摘要】
一种医学检测数据误差识别模型构建方法与装置


[0001]本专利技术涉及数据检验
,特别是涉及一种医学检测数据误差识别模型构建方法与装置


技术介绍

[0002]医生大约有近
2/3
的诊疗决策有赖于准确及时的检测结果

而医学检测误差会导致诊疗差错与延迟,会对患者造成严重伤害,甚至死亡

检测误差可发生于检验全过程

例如,不当的样本采集

运输或处理

仪器设备故障

不当的人员操作等

为保证检测结果的可靠性,传统室内质控是医学实验室最早引入,且目前普遍使用的用于监测检验性能的重要手段之一

室内质控对于临床实验室而言非常重要,它可以减少重复测量,避免错误结果的发出,为临床诊疗决策提供保障

[0003]然而,由于室内质控依赖于定期分析质控品的本质,导致这种质控方式存在回顾性分析,不能实时地监控分析过程

而基于患者数据的质量控制系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种医学检测数据误差识别模型构建方法,其特征在于,包括:收集医学检测数据;对所述医学检测数据进行数据清洗得到数据清洗后的医学检测数据;利用所述数据清洗后的医学检测数据制作训练数据;采用指数加权移动均值法建立初始模型,并为每个初始模型设置不同的模型参数得到多个待选模型;基于所述训练数据计算每个待选模型的
ME

Score
指标,并将所述
ME

Score
指标最大所对应的待选模型作为最终的医学检测数据误差识别模型
。2.
根据权利要求1所述的一种医学检测数据误差识别模型构建方法,其特征在于,所述采用指数加权移动均值法建立初始模型,并为每个初始模型设置不同的模型参数得到多个待选模型,包括:采用公式:
Y(i)

lambda*X(i)+(1

lambda)*Y(i

1)
建立初始模型;其中,
X(i)
为经过数据清洗后的原始检测结果,
Y(i)
为经过运算后的新检测结果,
lambda
为调整系数;按照检测时间顺序,将原始检测结果带入初始模型,计算新检测结果的均值和标准差,并将均值
±
a*
标准差作为警告限,均值
±
a*
标准差作为失控限,且当新检测结果超过失控限时,发出报警;按照预设的步长和范围设置不同的
lambda

a
的值,得到多个待选模型
。3.
根据权利要求2所述的一种医学检测数据误差识别模型构建方法,其特征在于,所述基于所述训练数据计算每个待选模型的
ME

Score
指标,并将所述
ME

Score
指标最大所对应的待选模型作为最终的医学检测数据误差识别模型,包括:将训练数据代入到不同的待选模型中得到相应的新检测结果;采用公式:
ME

Score

0.8*log(1/(
假阳性率
+10^

6))+1.5*
灵敏度

log(
正确报警前受影响患者数的中位数或均值
+1)
,计算每个待选模型的
ME

Score
指标;将所述
ME

Score
指标最大所对应的待选模型作为最终的医学检测数据误差识别模型
...

【专利技术属性】
技术研发人员:邱玲马超超阿哈力
申请(专利权)人:中国医学科学院北京协和医院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1