[发明专利]一种用于预测COVID-19病患重症化的装置

权利要求书

1.一种用于预测COVID-19病患重症化的装置，其特征在于，包括输入模块、数据预处理模块、特征选择模块、预测处理模块和预测结果输出模块；

其中，输入模块用于输入病患信息，若当前数据为训练数据，则输入的病患信息包括病患个人信息、血液检测信息和重症度；若当前为待预测数据，则输入的病患信息包括病患个人信息和血液检测信息；

数据预处理模块，用于对输入模块输出的数据进行数据预处理，对训练数据和待预测数据进行不同的处理，并将训练数据的处理结果发送给特征选择模块，将待预测数据的处理结果发送给预测处理模块；

特征选择模块，从输入特征中选择T个特征作为输入特征选择结果，其中T≥1；

预测处理模块，将病患的特征信息输入预设的预测模型，并将预测结果发送给预测结果输出模块；

所述预测结果输出模块用于对预测结果进行可视化输出；

其中，数据预处理模块对训练数据和待预测数据的具体处理为：

若当前数据为训练数据，则执行下列预处理步骤：

将病患的个人信息中的指定项分别作为一个输入特征项，以及将血液检测信息中的每一项分别作为一个输入特征项，并将重症度作为输出特征项；基于所有输入特征项和输出特征项得到特征表；

定义x表示输入特征索引，X表示输入特征索引集，y表示输出特征索引，Y表示输出特征索引集；

计算特征表中的任意两个特征之间的相关值，得到相关矩阵R；

计算特征表中的任意两个特征之间的p值，得到p值矩阵P；

对相关矩阵R进行预处理：

若矩阵P的元素满足P[x,y]=P[y,x]α时，则将相关矩阵R的元素R[x,y]的值置0；

对于i∈X和x∈X，若P[x,i]=P[i,x]α，则令R[x,i]=R[i,x]=1；其中，阈值α为预设值；

将多个病患的特征表、输入特征索引集X、输出特征索引集Y和预处理后的相关矩阵R发送给特征选择模块；

若当前数据为待预测数据，则执行下列预处理步骤：

基于特征选择模块发送的输入特征选择结果，从待预测数据中读取匹配的信息生成当前病患的特征信息，并将病患的特征信息发送给预测处理模块。

2.如权利要求1所述的用于预测COVID-19病患重症化的装置，其特征在于，特征选择模块在确定输入特征选择结果时，将特征选择定义为输入特征之间的相关性以及输入和输出特征之间的相关性的多标准决策问题，再基于该多标准决策问题的求解得到输入特征选择结果。