发热伴血小板减少综合症死亡率预测方法技术

本发明专利技术涉及机器学习技术领域，尤其涉及一种发热伴血小板减少综合症死亡率预测方法。首先采用不同的机器学习方法分别对与患有SFTS的患者死亡率相关的临床特征进行筛选，分别得到若干组临床特征数据集。再提取同时存在于若干组临床特征数据集中的临床特征构建目标特征集，以患者数据库中与目标特征集对应的数据构建样本数据集。最后构建多层感知器(MLP)预测模型，使用样本数据集对MLP预测模型进行迭代训练，确定MLP预测模型的参数数值，使MLP预测模型表现最佳。本发明专利技术能够通过患者当前的临床数据预测其死亡率，解决了现有技术中无法准确预测SFTS患者死亡率的技术问题。

【技术实现步骤摘要】

本专利技术涉及机器学习，尤其涉及一种发热伴血小板减少综合症死亡率预测方法。

技术介绍

1、发热伴血小板减少综合征(sfts)是21世纪初发现的一种以发热和呼吸道或消化道症状急性起病，随后出现血小板和白细胞数进行性下降为特点的新发危重传染病。严重者可出现出血、神经系统症状、dic、多器官衰竭等危及生命。sfts已在亚洲地区多个国家流行，包括中国、日本、韩国、越南、缅甸。截至2019年，我国已有25个省份报告sfts病例，主要分布在山区和丘陵地带的农村，病例高度散发，但在地域分布上又相对集中，以河南、山东、安徽、湖北、辽宁、浙江和江苏7个省份为主。病例主要通过被携带病毒的蜱叮咬而感染，也可通过密切接触病例血液或体液感染。近年来，我国sfts报告病例逐年上升，目前仍缺乏有效的治疗及预防措施，病死率始终维持较高水平，严重威胁人民身体健康，且目前对于该疾病尚无有效的药物或者疫苗导致该疾病的死亡率也较前上升，因此早期识别重症sfts患者，有助于临床医生早期干预，减少严重事件发生的可能性，减轻患者精神、经济负担。截止目前，暂无一个有效可行的方法可以预测sfts患者的死亡本文档来自技高网...

【技术保护点】

1.发热伴血小板减少综合症死亡率预测方法，其特征在于，包括：

2.如权利要求1所述的发热伴血小板减少综合症死亡率预测方法，其特征在于，若干种所述机器学习方法包括：单因素logistics回归、lasso回归、随机森林、支持向量机、XGboost。

3.如权利要求1所述的发热伴血小板减少综合症死亡率预测方法，其特征在于，所述多层感知器预测模型包括依次以全连接方式连接的一个输入层、三个隐藏层和一个输出层，每个所述隐藏层的节点数分别为60、95和50个。

4.如权利要求3所述的发热伴血小板减少综合症死亡率预测方法，其特征在于，所述输入层、三个所述隐藏层和所述...

【技术特征摘要】

1.发热伴血小板减少综合症死亡率预测方法，其特征在于，包括：

2.如权利要求1所述的发热伴血小板减少综合症死亡率预测方法，其特征在于，若干种所述机器学习方法包括：单因素logistics回归、lasso回归、随机森林、支持向量机、xgboost。

3.如权利要求1所述的发热伴血小板减少综合症死亡率预测方法，其特征在于，所述多层感知器预测模型包括依次以全连接方式连接的一个输入层、三个隐藏层和一个输出层，每个所述隐藏层的节点数分别为60、95和50个。

4.如权利要求3所述的发热伴血小板减少综合症死亡率预测方法，其特征在于，所述输入层、三个所述隐藏层和所述输出层之后均连接有一个dropout层，用于在每轮训练时对所述输入层、三个所述隐藏层和所述输出层的节点以第一预设比例进行随机失活。

5.如权利要求1所述的发热伴血小板减少综合症死亡率预测方法，其特征在于，所述迭代训练的轮次为190。

6.如权利要求1所述的发热伴血小板减少综合症死亡率预测方法，其特征在于，每一轮迭代训练时，随机抽取所述样本数据集中第二预设比例的数据构建验证集，将剩余数据作为训练...

【专利技术属性】
技术研发人员：郑昕，刘亚男，范磊，王文财，王华，王俊忠，
申请(专利权)人：华中科技大学同济医学院附属协和医院，
类型：发明
国别省市：