公开(公告)号：CN113674864B

公开(公告)日：2023-08-11

申请号：CN202111007447.8

申请日：2021-08-30

Applicant: 重庆大学

Inventor： 徐玲 ,  邓忠阳 ,  刘海霞 ,  罗兆林 ,  雷海科 ,  龙波 ,  罗敏

IPC: G16H50/30 ,  G16H50/70 ,  G06F18/2415 ,  G06F18/214 ,  G06F18/25

Abstract: 本发明公开了一种恶性肿瘤合并静脉血栓栓塞症风险预测方法，该方法首先对采集的病人信息进行预处理得到基础数据集，再进行双向联合重采样得到训练集，然后对训练集中每个训练样本进行特征筛选，去掉冗余特征；构建和训练StackingXgbMlp模型，该模型包括两层，第一层包括并联的一个XGBoost模型和一个MLP模型，第二层包括一个XGBoost模型；训练完成后将未知是否患病的病人信息采用S100的方法进行预处理，再采用S300的方法进行特征筛选得到待预测样本，将该待预测样本输入训练好的StackingXgbMlp模型中，输出待预测样本患病的预测概率。实验表明，本发明方法在预测准确性比传统方法好。

公开(公告)号：CN116564537A

公开(公告)日：2023-08-08

申请号：CN202310559667.4

申请日：2023-05-18

Applicant: 重庆大学附属肿瘤医院

Inventor： 刘海霞 ,  牟明杰 ,  徐玲 ,  雷海科 ,  龙波 ,  邓忠阳 ,  罗兆林 ,  刘长鑫

IPC: G16H50/70 ,  G06F40/295 ,  G06F18/213 ,  G06F18/2413 ,  G06F18/25 ,  G06F18/214 ,  G06N20/00

Abstract: 本发明公开了一种基于机器学习的恶性肿瘤合并VTE风险预测方法，包括如下步骤：获取患者电子病历体征数据和文本数据，进行预处理后进行数据集成；对平衡后的数据进行多指标联合特征筛选，基于XGBoost的特征排序，利用Weight、Cover、Gain三个指标的几何平均值作为排序指标，得到对VTE预测影响较大的特征组合；构建和训练命名实体识别模型REGPS；利用FastText对提取到的患者实体进行词嵌入，将嵌入后得到的特征矩阵X与特征筛选后得到的体征特征组合Y进行特征融合拼接得到患者总体特征矩阵Einput；将Einput输入经过调优后的XGBoost模型，最终得到恶性肿瘤患者合并VTE概率。

公开(公告)号：CN113674864A

公开(公告)日：2021-11-19

申请号：CN202111007447.8

申请日：2021-08-30

Applicant: 重庆大学

Inventor： 徐玲 ,  邓忠阳 ,  刘海霞 ,  罗兆林 ,  雷海科 ,  龙波 ,  罗敏

IPC: G16H50/30 ,  G16H50/70 ,  G06K9/62

Abstract: 本发明公开了一种恶性肿瘤合并静脉血栓栓塞症风险预测方法，该方法首先对采集的病人信息进行预处理得到基础数据集，再进行双向联合重采样得到训练集，然后对训练集中每个训练样本进行特征筛选，去掉冗余特征；构建和训练StackingXgbMlp模型，该模型包括两层，第一层包括并联的一个XGBoost模型和一个MLP模型，第二层包括一个XGBoost模型；训练完成后将未知是否患病的病人信息采用S100的方法进行预处理，再采用S300的方法进行特征筛选得到待预测样本，将该待预测样本输入训练好的StackingXgbMlp模型中，输出待预测样本患病的预测概率。实验表明，本发明方法在预测准确性比传统方法好。