【技术实现步骤摘要】
本专利技术涉及医疗，尤其涉及一种基于机器学习的神经系统疾病预测及分类方法。
技术介绍
1、神经系统疾病，其中最常见的是脑血管疾病、神经退行性疾病、自身免疫性疾病及脊髓疾病等。鉴于许多神经系统疾病缺乏治愈方法，彻底了解可改变的风险因素以及这些神经系统疾病可能造成的可预防负担非常重要。
2、神经系统疾病风险预测模型的研究仍在进行中，开发一种可靠的模型来监测和预防其发生对人类健康具有重要意义。目前国内外对于神经系统疾病预测模型关注的重点依然还是单种疾病的患病风险以及预后情况的预测，很少有研究去系统地分析多种神经系统疾病之间相互区分的特征指标以及各类神经系统疾病的独特血液学特征。同时，传统的神经系统疾病诊断手段相对比较昂贵和繁琐，国内外已经建立的一些神经系统疾病诊断模型所用的检查数据不易获取，这导致一些医疗条件不太好的基层医院或偏远地区医院无法应用这些模型。
技术实现思路
1、本专利技术的目的在于解决现有技术中的问题。
2、本专利技术解决其技术问题所采用的技术方案是：提供一...
【技术保护点】
1.一种基于机器学习的神经系统疾病预测及分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的神经系统疾病预测及分类方法，其特征在于，S1中，所述检查数据包括血常规检查数据和/或生化检查数据。
3.根据权利要求1所述的基于机器学习的神经系统疾病预测及分类方法，其特征在于，S2中，所述预处理，包括：
4.根据权利要求3所述的基于机器学习的神经系统疾病预测及分类方法，其特征在于，所述删除样本数少于第三预设阈值的疾病种类，具体为：按照国际标准ICD-10的疾病代码进行筛选，保留样本数大于等于100的神经系统疾病。p>
5.根据权...
【技术特征摘要】
1.一种基于机器学习的神经系统疾病预测及分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的神经系统疾病预测及分类方法，其特征在于，s1中，所述检查数据包括血常规检查数据和/或生化检查数据。
3.根据权利要求1所述的基于机器学习的神经系统疾病预测及分类方法，其特征在于，s2中，所述预处理，包括：
4.根据权利要求3所述的基于机器学习的神经系统疾病预测及分类方法，其特征在于，所述删除样本数少于第三预设阈值的疾病种类，具体为：按照国际标准icd-10的疾病代码进行筛选，保留样本数大于等于100的神经系统疾病。
5.根据权利要求1所述的基于机器学习的神经系统疾病预测及分类方法，其特征在于，s3中，所述采用不同的机器学习方法建立不同的神经系统疾病预测模型，所述机器学习方法包括：逻辑回归lr、随机森林rf、支持向量机svm、极致梯度提升xgboost和深度神经网络dnn。
...【专利技术属性】
技术研发人员：宁万山，王志成，黄林丹，
申请(专利权)人：厦门大学附属第一医院厦门市第一医院，厦门市红十字会医院，厦门市糖尿病研究所，
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。