-
公开(公告)号:CN119694582A
公开(公告)日:2025-03-25
申请号:CN202411747695.X
申请日:2024-12-02
Applicant: 海南大学
IPC: G16H50/70 , G16H50/30 , G06F18/2415 , G06F18/25 , G06F18/213 , G06F18/15 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/0895
Abstract: 本申请涉及一种基于门控自适应机制的病情转归预测方法和装置。所述方法包括:获取慢病相关数据,根据慢病相关数据进行特征相关性分析,生成图数据并对图数据进行特征增强;基于图数据利用多层GAT混合模型进行预测,获取转归状态的时间序列;其中,多层GAT混合模型包括若干GATConv层、若干LSTMAggregation层和基于门控自适应的特征融合层;利用格拉姆角场将转归状态的时间序列输出为转归矩阵。本发明通过门控机制和注意力机制进行图级的全局特征融合,使多层GAT混合模型具有强大的图特征提取能力,能有效地提高了功率预测的精度和准确性。同时,使用上述多层GAT混合模型对各个患者的每个数据点进行转归预测,再采用格拉姆角场生成转归矩阵,便于进一步转归分析。
-
公开(公告)号:CN119361166A
公开(公告)日:2025-01-24
申请号:CN202411273540.7
申请日:2024-09-12
Applicant: 海南大学
IPC: G16H50/70 , G06F18/213 , G06F18/15 , G06F18/214 , G06F18/241 , G16H50/20 , G06N3/04 , G06N3/0895
Abstract: 本发明公开了一种融合半监督学习与多支路神经网络的老年慢病分型方法。该方法包括:获取多种目标类型的老年慢病数据集,对所述数据集进行预处理;基于半监督学习与多支路神经网络,建立老年慢病分型模型;使用测试数据集对模型的准确率和精准度来进行评估。通过本发明的技术方案,实现对多类型老年慢病进行全面诊断和评估,提高诊断准确性,减少误诊率。
-
公开(公告)号:CN117292842A
公开(公告)日:2023-12-26
申请号:CN202311200751.3
申请日:2023-09-18
Applicant: 海南大学
IPC: G16H50/70 , G16H50/20 , G06F18/214 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于MWMOTE与Res‑BiGRU的心脏病预测方法,获得心脏病数据并进行预处理;采用MWMOTE技术处理生成人工数据并按预设比例划分为训练集和测试集;将训练集输入至Res‑BiGRU混合模型中进行训练,获得训练好的Res‑BiGRU混合模型,Res‑BiGRU混合模型包括Res‑CNN模块,用于基于初始输入数据提取数据空间特征;Res‑BiGRU模块,用于基于初始输入数据与数据空间特征提取数据时序特征;全连接层,用于输出预测结果;将测试集输入训练好的Res‑BiGRU混合模型中,采用评价指标对模型性能进行评估。本发明可有效提升了心脏病预测的性能指标。
-
-