[发明专利]一种用于预测COVID-19病患重症化的装置有效
| 申请号: | 202011235506.2 | 申请日: | 2020-11-09 |
| 公开(公告)号: | CN112102945B | 公开(公告)日: | 2021-02-05 |
| 发明(设计)人: | 罗嘉庆;周凌云;冯韵宇;陈子蝶;郭姝瑾 | 申请(专利权)人: | 电子科技大学 |
| 主分类号: | G16H50/20 | 分类号: | G16H50/20;G16H50/30;G06N7/00 |
| 代理公司: | 电子科技大学专利中心 51203 | 代理人: | 周刘英 |
| 地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 用于 预测 covid 19 病患 重症 装置 | ||
本发明公开了一种用于预测COVID‑19病患重症化的装置,属于对医学数据的智能处理技术。本发明包括:输入模块,用于输入病患信息;数据预处理模块,对输入模块输出的数据进行数据预处理,若为训练数据,则将处理结果发送给特征选择模块,若为待预测数据,则将处理结果发送给预测处理模块;特征选择模块,从输入特征中选择一定数量的特征作为输入特征选择结果的;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进行可视化输出。本发明从病患的血液检测结果中选择关键特征以保障对COVID‑19病患重症化的预测准确性,实现对快速分流患有COVID‑19的患者的医疗辅助,有助于优化医疗资源并及时进行医疗干预。
技术领域
本发明属于对医学数据的智能处理技术领域,具体涉及一种用于预测COVID-19病患重症化的装置。
背景技术
当前,全世界有超过2000万人感染了新冠病毒SARS-Cov-2,并且有600万人正在接受治疗。这对全世界人民的健康和生命构成了巨大威胁,也给医疗系统带来了前所未有的压力。
大多数COVID-19患者属于轻度/中度病例,可以自行康复。但是,约有14%的患者为重症病例,而5%的患者为危重症病例。重症/危重症病例通常在感染后2周内发展为急性呼吸窘迫综合征(ARDS)或多器官功能不全综合征(MODS),这会消耗大量医疗资源并导致较高的病死率(高达49%)。早期预测COVID-19的严重程度可以快速分流患有COVID-19的患者(即家庭隔离,住院或ICU分配等),这有助于优化医疗资源的使用并及时进行医疗干预。
大多数有可疑症状的患者首先会去社区医院的发烧诊所。他们通常接受4种初始测试:SARS-Cov-2 RNA测试,血液测试,血液生化测试和胸部计算机断层扫描(CT)扫描。第一个测试用于确定患者是否感染了SARS-Cov-2。后3个测试用于预测COVID-19的严重程度。但是,由于社区医院的资源有限,在短时间内完成所有四项检查存在很多限制(例如,候诊室的容量,检查结果的等待时间和检查仪器的消毒等)。因此,如何使用最简单,最快的测试来进行准确的预测是一个非常紧迫和具有挑战性的问题。
在所有初始测试中,血液测试是最常见的,并且通常会在2小时内出结果。本发明的发明人在实现本发明时发现,可以尝试从血液检测结果中选择关键特征,以快速准确地预测COVID-19患者的严重程度,从而助于优化医疗资源的使用并及时进行医疗干预。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种用于预测COVID-19病患重症化的装置,以便于实现快速分流患有COVID-19的患者的医疗辅助效果,助于优化医疗资源的使用并及时进行医疗干预。
本发明的用于预测COVID-19病患重症化的装置,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:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011235506.2/2.html,转载请声明来源钻瓜专利网。





