公开(公告)号：CN117954032B

公开(公告)日：2025-02-18

申请号：CN202410066497.0

申请日：2024-01-17

Applicant: 海南大学

Inventor： 毋媛媛 ,  石燕丽 ,  黄梦醒 ,  张雨 ,  张宇航 ,  李超 ,  张林飞

IPC: G16H10/60 ,  G06F16/215 ,  G06F18/10 ,  G06F18/214 ,  G06F18/2411 ,  G06F18/2415 ,  G06F18/2413 ,  G06F18/243

Abstract: 本发明涉及一种医疗决策解释方法及系统。所述方法包括：通过数据库及调查问卷采集患者数据；处理患者数据，将处理后的患者数据输入至分类模型中提取数据特征，并根据数据特征进行医疗预测推荐；使用SHAP模型与白盒模型对分类模型分别进行解释，并将解释结果相结合进行可视化比较，联合数据特征进行分析，得到最终决策解释结果。采用SHAP模型与白盒模型相结合对分类模型进行解释，为分类模型输出的医疗预测推荐提供足够支撑，克服了传统医疗推荐系统中无法解释的问题，为患者提供足够的可解释信息，使患者更容易接受推荐结果，以达到预测和预防疾病的目的，提高了用户对系统推荐结果的信任度，对医疗推荐具有极其重要的意义。

公开(公告)号：CN118016291A

公开(公告)日：2024-05-10

申请号：CN202410026300.0

申请日：2024-01-09

Applicant: 海南大学

Inventor： 毋媛媛 ,  潘越 ,  李超 ,  黄梦醒 ,  张雨 ,  刘慧舟 ,  张宇航

IPC: G16H50/30 ,  G16H50/70 ,  G16H10/60 ,  G06F18/2431 ,  G06F18/243 ,  G06F18/213 ,  G06N20/00 ,  G06N5/01

Abstract: 本发明涉及一种基于机器学习的糖尿病发病率预测方法。所述方法包括：收集数据集中糖尿病患者的身体数据，根据数据属性对身体数据进行特征编码，基于皮尔逊系数，对编码后的数据进行特征相关性分析，并分为训练集和测试集；通过训练集、测试集构建人工神经网络模型和随机森林模型，并通过S折交叉验证选择随机森林模型；其中，采用ID3决策树学习算法进行特征选择，生成最优决策树，在随机森林算法最终投票时进行加权计算得到随机森林模型；通过随机森林模型对糖尿病患者的发病率进行预测。选择随机森林模型，且在最终投票时进行加权计算，能更好地反映实际情况，通过随机森林模型能够帮助医疗工作者对糖尿病患者的发病率进行预测，减轻负担。

公开(公告)号：CN117954032A

公开(公告)日：2024-04-30

申请号：CN202410066497.0

申请日：2024-01-17

Applicant: 海南大学

Inventor： 毋媛媛 ,  石燕丽 ,  黄梦醒 ,  张雨 ,  张宇航 ,  李超 ,  张林飞

IPC: G16H10/60 ,  G06F16/215 ,  G06F18/10 ,  G06F18/214 ,  G06F18/2411 ,  G06F18/2415 ,  G06F18/2413 ,  G06F18/243

Abstract: 本发明涉及一种医疗决策解释方法及系统。所述方法包括：通过数据库及调查问卷采集患者数据；处理患者数据，将处理后的患者数据输入至分类模型中提取数据特征，并根据数据特征进行医疗预测推荐；使用SHAP模型与白盒模型对分类模型分别进行解释，并将解释结果相结合进行可视化比较，联合数据特征进行分析，得到最终决策解释结果。采用SHAP模型与白盒模型相结合对分类模型进行解释，为分类模型输出的医疗预测推荐提供足够支撑，克服了传统医疗推荐系统中无法解释的问题，为患者提供足够的可解释信息，使患者更容易接受推荐结果，以达到预测和预防疾病的目的，提高了用户对系统推荐结果的信任度，对医疗推荐具有极其重要的意义。