【技术实现步骤摘要】
本专利技术涉及机器学习和数据处理,具体涉及一种基于深度学习的尘肺病预后多结局竞争风险预测方法。
技术介绍
1、尘肺病约占我国职业病的90.0%,其发生和预后是一个极其复杂的问题,会受到患者自身临床表现、环境暴露、生活习惯、社会状况以及基因易感性等多重因素的影响,且各个因素间可能具有复杂的非线性和高维交互。既往研究一方面未考虑多种影响因素对尘肺病发生和预后的影响,另一方面大多数都是采用的回归模型等经典线性模型假设,只能处理低维交互的问题,限制了尘肺病风险预测模型向精准化及深入化方向的发展。
技术实现思路
1、本专利技术的目的在于提供一种基于深度学习的尘肺病预后多结局竞争风险预测方法,该方法可预测多重因素以及相互交互的影响下的尘肺病预后多结局可能。
2、为实现上述目的,本专利技术采用如下技术方案:
3、一种基于深度学习的尘肺病预后多结局竞争风险预测方法,包括如下步骤:
4、(1)获取基础数据并构建数据库,基础数据包括社会状态、生活卫生习惯、接尘因素、基因易感
...【技术保护点】
1.一种基于深度学习的尘肺病预后多结局竞争风险预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于深度学习的尘肺病预后多结局竞争风险预测方法,其特征在于,所述基础数据来源于尘肺病医疗大数据平台,通过系统文献综述并结合专家咨询构建可能影响尘肺病预后的危险因素关系网,基于危险因素关系网所提示的潜在危险因素,在尘肺病医疗大数据平台中进行数据抓取,对于缺乏的变量信息则通过电话随访和补充采集做进一步完善。
3.根据权利要求1所述的基于深度学习的尘肺病预后多结局竞争风险预测方法,其特征在于,所述对基础数据的处理包括如下步骤:
4.
...【技术特征摘要】
1.一种基于深度学习的尘肺病预后多结局竞争风险预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于深度学习的尘肺病预后多结局竞争风险预测方法,其特征在于,所述基础数据来源于尘肺病医疗大数据平台,通过系统文献综述并结合专家咨询构建可能影响尘肺病预后的危险因素关系网,基于危险因素关系网所提示的潜在危险因素,在尘肺病医疗大数据平台中进行数据抓取,对于缺乏的变量信息则通过电话随访和补充采集做进一步完善。
3.根据权利要求1所述的基于深度学习的尘肺病预后多结局竞争风险预测方法,其特征在于,所述对基础...
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。