【技术实现步骤摘要】
本专利技术涉及神经网络模型，具体涉及一种慢性肾病风险筛查建模方法及系统。
技术介绍
1、随着科技的发展，神经网络模型的应用越来越广泛，比如，可以应用于慢性肾病（chronic kidney disease，ckd）风险筛查。其中，神经网络模型是比较常见的建模模型。在神经网络模型的应用过程中，若输入神经网络模型的是多个因素特征，则由于每个因素特征的重要程度往往不同，所以往往需要为每个因素特征设置一个初始化权重。目前，在神经网络模型的应用过程中，往往会将生成的多个随机数，依次作为每个因素在神经网络模型中的初始化权重。
2、然而，若用于慢性肾病风险筛查的神经网络模型在应用过程中，将生成的多个随机数，依次作为每个检测因素在神经网络模型中的初始化权重，则经常会存在如下技术问题：
3、由于生成的随机数往往并不能表征不同检测因素对于慢性肾病风险筛查结果真实的重要程度，所以，使用随机数作为检测因素在神经网络模型中的初始化权重，可能导致神经网络模型的收敛速度较差，从而导致神经网络模型筛查的效率较差。
技<本文档来自技高网...
【技术保护点】
1.一种慢性肾病风险筛查建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种慢性肾病风险筛查建模方法，其特征在于，所述根据所有历史患者的年龄，对所有历史患者进行社区划分，得到初始社区，包括：
3.根据权利要求1所述的一种慢性肾病风险筛查建模方法，其特征在于，所述基于获取的不同年龄下的历史患者在不同预设检测因素下的历史检测指标，对所有初始社区进行更新，得到目标社区，包括：
4.根据权利要求3所述的一种慢性肾病风险筛查建模方法，其特征在于，两个历史患者之间的目标相似度对应的公式为：
5.根据权利要求3所述的一种...
【技术特征摘要】
1.一种慢性肾病风险筛查建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种慢性肾病风险筛查建模方法，其特征在于，所述根据所有历史患者的年龄，对所有历史患者进行社区划分，得到初始社区，包括：
3.根据权利要求1所述的一种慢性肾病风险筛查建模方法，其特征在于，所述基于获取的不同年龄下的历史患者在不同预设检测因素下的历史检测指标，对所有初始社区进行更新，得到目标社区，包括：
4.根据权利要求3所述的一种慢性肾病风险筛查建模方法，其特征在于，两个历史患者之间的目标相似度对应的公式为：
5.根据权利要求3所述的一种慢性肾病风险筛查建模方法，其特征在于，所述根据不同年龄下的历史患者之间的目标相似度，对所有历史患者重新进行划分，得到目标社区，包括：
6.根据权利要求1所述的一种慢性肾病风险筛查建模方法，其特征在于，所述根据每个目标社区中所有历史患者在每个预设检测因素下的历史检...
【专利技术属性】
技术研发人员：殷晓坷，
申请(专利权)人：陕西青叶海棠网络科技有限责任公司，
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。