【技术实现步骤摘要】
本专利技术涉及血流变检测，尤其是涉及一种智能分析血常规检验数据在血流变预测中的应用。
技术介绍
1、血流变智能算法是一种利用人工智能的方法，如神经网络、机器学习、优化算法等，来分析和处理血流变的数据，从而提高血流变检测的准确性、效率和应用价值的技术。血流变是指血液在微循环系统中的流动特性和规律，包括血液粘度、血细胞变形、血细胞聚集、血流阻力等指标。血流变检测是一种研究和评估微循环功能状态的重要手段。
2、血流变学是一个复杂而关键的领域，尽管已经取得了许多进展，但仍然存在一些技术和方法上的挑战和问题，包括：
3、(1)复杂性和多样性：血流变学涉及多种类型的血管(如动脉、静脉、毛细血管)，不同类型的流体(如全血、红细胞悬液)以及不同的流动条件(如低速、高速、湍流)，因此难以开发通用性的测量和模拟方法。
4、(2)非侵入性测量的挑战：在临床上，非侵入性测量方法更受欢迎，但某些情况下，如评估微血管内的血流，非侵入性方法的分辨率和准确性仍然有限。
5、(3)数据处理和分析：从复杂的流体动力学数据中提取有用的信息和趋势需要先进的数据处理和分析技术，这在某些情况下仍然具有挑战性。
6、(4)标准化和比较：缺乏标准化的测量方法和参数，使得不同研究之间的比较和数据集成变得困难。这也影响了不同实验室和研究机构之间的可重复性。
7、(5)生物样本的复杂性：血液是一个复杂的生物样本，其性质受许多因素(如红细胞数量、血浆蛋白浓度、温度等)的影响，这增加了测量的复杂性。
8
技术实现思路
1、本专利技术的目的是提供一种智能分析血常规检验数据在血流变预测中的应用，表明应用血常规预测血流变结果可以提高模型的泛化能力。
2、为实现上述目的，本专利技术提供了一种智能分析血常规检验数据在血流变预测中的应用，包括以下步骤：
3、s1、获取数据集，所述数据集包括患者基本信息、诊断科室、临床诊断结果、血常规检验结果和血流变检验结果；
4、s2、对获取的数据集进行预处理，并从预处理后的数据集中获取血流变检测结果预测模型的数据集和疾病预测模型的训练集；
5、s3、通过神经网络算法构建血流变检测结果预测模型；
6、s4、通过神经网络算法构建疾病预测模型和疾病预测对比模型；
7、s5、对血流变检测结果预测模型和疾病预测模型进行测试；
8、s51、对血流变检验结果预测模型进行测试，用差值分析的方法对血流变检验结果预测模型进行评估；
9、s52、在测试疾病预测模型时，先使用患者的血常规检验结果预测血流变结果，再将预测的血流变数据与真实的血常规数据结合进行疾病预测；
10、s53、在测试疾病预测对比模型时，仅使用血常规检验结果进行测试。
11、优选的，步骤s1中，患者基本信息包括年龄和性别；
12、血常规检验结果为rbc、mcv、pdw、wbc、neut％、lymph％、eo％、baso％、neut、lymph、baso、hgb、hct、mch、mchc、r-cv、plt、mpv、pct、mono、mono％、eo；
13、血流变检验结果为abd200、abd50、abd10、abd5、abd1、abc、abe、abf、hjj和ksnd；
14、血常规检验和血流变检验时间为同一天。
15、优选的，步骤s2中，从预处理后的数据集中获取血流变检测结果预测模型的数据集和疾病预测模型的数据集，具体操作为：
16、从预处理后的数据集中提取血流变检测结果作为血流变检测结果预测模型的数据集，并划分为训练集1和测试集1；
17、从预处理后的数据集中提取年龄、性别、血常规检验结果、血流变检验结果作为疾病预测模型的训练集，并从疾病预测模型的训练集提取不含血流变检验结果的数据作为疾病预测模型的测试集。
18、优选的，步骤s2中，对获取的数据集进行数据清洗，具体操作如下：删除数据集中的异常值、缺失值填补、对数据进行标准化操作；
19、数据集中还需剔除临床诊断结果中包含妊娠、孕、产相关字段的数据，同时剔除诊断科室名称中含有儿、产相关字段的数据。
20、优选的，步骤s3中，通过神经网络算法构建血流变检测结果预测模型，具体操作为：在血流变检验结果预测模型训练集中，分别以每一项血流变检验结果为标签，使用年龄、性别及血常规检验结果训练出该项血流变检验结果的预测模型。
21、优选的，步骤s4中，通过神经网络算法构建疾病预测模型和疾病预测对比模型，具体操作为：使用疾病预测模型训练集中的年龄、性别、血常规检验结果和血流变检验结果训练疾病预测模型；使用疾病预测模型训练集中的年龄、性别、血常规检验结果训练疾病预测对比模型。
22、因此，本专利技术采用上述一种智能分析血常规检验数据在血流变预测中的应用，表明应用血常规预测血流变结果可以提高模型的泛化能力。
23、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种智能分析血常规检验数据在血流变预测中的应用，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种智能分析血常规检验数据在血流变预测中的应用，其特征在于，步骤S1中，患者基本信息包括年龄和性别；
3.根据权利要求2所述的一种智能分析血常规检验数据在血流变预测中的应用，其特征在于，步骤S2中，从预处理后的数据集中获取血流变检测结果预测模型的数据集和疾病预测模型的数据集，具体操作为：
4.根据权利要求3所述的一种智能分析血常规检验数据在血流变预测中的应用，其特征在于，步骤S2中，对获取的数据集进行数据清洗，具体操作如下：删除数据集中的异常值、缺失值填补、对数据进行标准化操作；
5.根据权利要求4所述的一种智能分析血常规检验数据在血流变预测中的应用，其特征在于，步骤S3中，通过神经网络算法构建血流变检测结果预测模型，具体操作为：在血流变检验结果预测模型训练集中，分别以每一项血流变检验结果为标签，使用年龄、性别及血常规检验结果训练出该项血流变检验结果的预测模型。
6.根据权利要求5所述的一种智能分析血常规检验数据在血流
...【技术特征摘要】
1.一种智能分析血常规检验数据在血流变预测中的应用，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种智能分析血常规检验数据在血流变预测中的应用，其特征在于，步骤s1中，患者基本信息包括年龄和性别；
3.根据权利要求2所述的一种智能分析血常规检验数据在血流变预测中的应用，其特征在于，步骤s2中，从预处理后的数据集中获取血流变检测结果预测模型的数据集和疾病预测模型的数据集，具体操作为：
4.根据权利要求3所述的一种智能分析血常规检验数据在血流变预测中的应用，其特征在于，步骤s2中，对获取的数据集进行数据清洗，具体操作如下：删除数据集中的异常值、缺失值填补、对数据进行标准化操作；
【专利技术属性】
技术研发人员：陈超，宋彪，侯艳，王亚楠，韩泽文，
申请(专利权)人：内蒙古卫数数据科技有限公司，
类型：发明
国别省市：
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。