[发明专利]脑卒中患者康复预测方法及系统

权利要求书

1.一种脑卒中患者康复预测方法，其特征在于，包括如下步骤：

数据预处理步骤：对历史数据进行数据预处理，得到数据建模所需的目标人群数据；

特征构造步骤：对目标人群数据进行数据划分，并对划分的数据进行特征构造得到数据集D_select；

模型训练步骤：选取数据集D_select中的部分样本作为训练数据集D_train进行模型训练；

模型测试步骤：选取数据集D_select中的余下样本作为测试数据集D_test进行模型测试。

2.根据权利要求1所述的脑卒中患者康复预测方法，其特征在于，所述数据预处理步骤包括：

数据清洗步骤：对历史数据中的不规范数据进行数据清洗；

数据去缺失步骤：对历史数据中存在缺失的数据的分类型和连续型特征依照众数或者均值进行缺失数据填充；

入组筛选步骤：基于入组条件，对历史数据进行数据筛选。

3.根据权利要求1所述的脑卒中患者康复预测方法，其特征在于，所述特征构造步骤包括：

数据划分步骤：将经过数据预处理器得到的数据划分为不同特征数据；

特征筛选步骤：对不同特征数据用不同方法进行特征选择，筛选出影响因子作为候选特征；

特征检验步骤：对候选特征计算p-value值，选出p-value值小于设定阈值的候选特征作为最终特征。

4.根据权利要求1所述的脑卒中患者康复预测方法，其特征在于，所述模型训练步骤包括：

对于训练数据集D_train中的连续性特征数据，预测患者出院时的Barthel评分，得到Barthel总评分的预测模型；

对于训练数据集D_train中的结局数据，预测患者出院时的评分等级，以及处于各等级的概率，得到Barthel评分对应的总体缺陷分级预测模型；

对于训练数据集D_train中的分类型特征数据，预测患者出院时Barthel评分等级及各分项评分提高的概率，得到Barthel各项评分预测模型。

5.根据权利要求1所述的脑卒中患者康复预测方法，其特征在于，所述模型测试步骤包括：

将测试数据集D_test中的连续性特征数据、分类型特征数据以及结局数据处理，预测结果采用性能评价指标进行评估，得到康复预测最优化模型。

6.一种脑卒中患者康复预测系统，其特征在于，包括如下模块：

数据预处理模块：用于对历史数据进行数据预处理，得到数据建模所需的目标人群数据；

特征构造模块：用于对目标人群数据进行数据划分，并对划分的数据进行特征构造得到数据集D_select；

模型训练模块：用于选取数据集D_select中的部分样本作为训练数据集D_train进行模型训练；

模型测试模块：用于选取数据集D_select中的余下样本作为测试数据集D_test进行模型测试。

7.根据权利要求1所述的脑卒中患者康复预测系统，其特征在于，所述数据预处理模块包括：

数据清洗模块：用于对历史数据中的不规范数据进行数据清洗；

数据去缺失模块：用于对历史数据中存在缺失的数据的分类型和连续型特征依照众数或者均值进行缺失数据填充；

入组筛选模块：用于基于入组条件，对历史数据进行数据筛选。

8.根据权利要求1所述的脑卒中患者康复预测系统，其特征在于，所述特征构造模块包括：

数据划分模块：用于将经过数据预处理器得到的数据划分为不同特征数据；

特征筛选模块：用于对不同特征数据用不同系统进行特征选择，筛选出影响因子作为候选特征；

特征检验模块：用于对候选特征计算p-value值，选出p-value值小于设定阈值的候选特征作为最终特征。