【技术实现步骤摘要】
本专利技术属于医疗数据处理，特别涉及一种基于多层感知器模型的心脏植入设备患者生存率预测方法、电子设备及程序产品。
技术介绍
1、植入性心脏除颤器(icd，implantable cardioverter defibrillator)和心脏再同步治疗除颤器(crt-d，cardiac resynchronization therapy defibrillator)被广泛用于心力衰竭和心律失常患者的心脏骤停预防。尽管这些设备有效减少了突发性心脏死亡的风险，但植入后患者的生存率受到多因素影响。传统的统计预测方法通常采用患者的单一变量或线性组合进行风险评估，存在整合复杂数据的能力不足的问题，尤其在处理多维和非线性数据时表现出较大的局限性。
技术实现思路
1、本公开实施例公开了一种基于多层感知器(mlp)模型的心脏植入设备患者生存率预测方法，适用于植入性心脏除颤器或心脏再同步治疗除颤器患者。通过整合多维生理数据并采用机器学习模型实现生存状态预测，并利用shap值分析关键特征的影响。该模型通过高低风险分层帮助医生进行个性化治疗方案的制定，具有临床应用价值。
2、本公开对于心血管疾病预防领域，提出了基于机器学习的心脏设备植入预后的预测模型，明显提高了心脏植入性设备(如植入性心脏除颤器icd和心脏再同步治疗除颤器crt-d)患者的长期生存率预测能力。
【技术保护点】
1.一种心脏植入设备患者生存率预测方法，其特征在于，通过经过训练的心脏植入预后模型，预测心脏植入设备患者生存率。
2.根据权利要求1所述的方法，其特征在于，所述心脏植入预后模型构建方法，包括以下步骤：
3.根据权利要求2所述的方法，其特征在于，所述心脏植入预后模型构建方法，还包括步骤：
4.根据权利要求2所述的方法，其特征在于，使用经过训练的预后模型对患者进行生存率预测，并基于Youden指数确定的阈值，将患者划分为高风险和低风险组，从而获得患者在三年内的生存率预测。
5.根据权利要求4所述的方法，其特征在于，采用Kaplan-Meier生存曲线分析对患者进行风险分层，并依据Youden指数确定的最佳阈值对高风险与低风险患者进行分组。
6.根据权利要求2所述的方法，其特征在于，采用SHAP值分析各预测特征对所述预后模型预测结果的影响。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1至6任一项所述的方法。p>
8.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现如权利要求1至6中任一项所述的方法。
9.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行以实现权利要求1至6任一项所述的方法。
...【技术特征摘要】
1.一种心脏植入设备患者生存率预测方法，其特征在于，通过经过训练的心脏植入预后模型，预测心脏植入设备患者生存率。
2.根据权利要求1所述的方法，其特征在于，所述心脏植入预后模型构建方法，包括以下步骤：
3.根据权利要求2所述的方法，其特征在于，所述心脏植入预后模型构建方法，还包括步骤：
4.根据权利要求2所述的方法，其特征在于，使用经过训练的预后模型对患者进行生存率预测，并基于youden指数确定的阈值，将患者划分为高风险和低风险组，从而获得患者在三年内的生存率预测。
5.根据权利要求4所述的方法，其特征在于，采用kaplan-meier生存曲线分析对患者进行风险分层，并依...
【专利技术属性】
技术研发人员：潘磊，梁义秀，禹子清，肖子龙，汪菁峰，宿燕岗，葛均波，
申请(专利权)人：复旦大学附属中山医院，
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。