【技术实现步骤摘要】
本专利技术涉及肾病辅助诊断，具体是涉及一种基于人工智能的肾病辅助诊断决策方法及系统。
技术介绍
1、慢性肾脏病(ckd)和急性肾损伤(aki)是全球范围内的高发疾病，早期诊断和精准干预是改善患者预后的关键。传统的肾病诊断主要依赖医生的经验判断及单一生物标志物(如血肌酐、尿蛋白)的静态检测，现有方法多依赖单一检测指标(如血肌酐水平)，缺乏对多维临床数据(如血液生化、尿液分析、影像学特征)的系统性整合，导致潜在诊断信息未被充分挖掘。此外，不同检测指标的量纲差异及数据缺失问题进一步增加了分析的复杂性。尽管人工智能技术(如深度学习)在医学影像分析中已取得进展，但其“黑箱”特性导致医生难以理解模型决策依据，限制了临床信任度。例如，基于卷积神经网络的模型可能无法明确解释为何某患者的egfr值被判定为高风险。现有系统多基于静态数据生成一次性诊断结果，无法实时追踪患者指标变化(如急性肾损伤的快速恶化)，且缺乏对连续不一致诊断结果的自动复核机制，易造成漏诊或误诊。大多数研究仅通过准确率或auc值评估模型性能，忽视了对模型临床合理性的验证(如关键指标的贡献...
【技术保护点】
1.一种基于人工智能的肾病辅助诊断决策方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的肾病辅助诊断决策方法，其特征在于，所述根据肾病检测类型，提取肾病的多维特征，并建立肾病特征数据集具体包括：
3.根据权利要求2所述的一种基于人工智能的肾病辅助诊断决策方法，其特征在于，所述根据肾病特征数据集，基于皮尔逊相关系数，确定不同临床指标类型的重要率具体包括：
4.根据权利要求3所述的一种基于人工智能的肾病辅助诊断决策方法，其特征在于，所述根据不同肾病类型的重要率，基于灰色理论客观评价算法，建立肾病诊断模型具体包括：>
5.根据权利...
【技术特征摘要】
1.一种基于人工智能的肾病辅助诊断决策方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的肾病辅助诊断决策方法，其特征在于，所述根据肾病检测类型，提取肾病的多维特征，并建立肾病特征数据集具体包括：
3.根据权利要求2所述的一种基于人工智能的肾病辅助诊断决策方法，其特征在于，所述根据肾病特征数据集，基于皮尔逊相关系数，确定不同临床指标类型的重要率具体包括：
4.根据权利要求3所述的一种基于人工智能的肾病辅助诊断决策方法，其特征在于，所述根据不同肾病类型的重要率，基于灰色理论客观评价算法，建立肾病诊断模型具体包括：
5.根据权利要求4所述的一种基于人工智能的肾病辅助诊断决策方法...
【专利技术属性】
技术研发人员：冯哲，于祥，罗沙，
申请(专利权)人：中国人民解放军总医院第一医学中心，
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。