[发明专利]一种急性肾损伤患者院内死亡率预测系统及方法

权利要求书

1.一种急性肾损伤患者院内死亡率预测系统，其特征在于，包括：

数据输入单元，用于获取急性肾损伤患者的临床医疗数据，并将所述临床医疗数据输入至数据处理单元；

数据处理单元，用于将所述临床医疗数据输入至预先训练好的神经网络算法模型，输出急性肾损伤患者院内死亡率的预测值。

2.如权利要求1所述的一种急性肾损伤患者院内死亡率预测系统，其特征在于，所述数据处理单元包括：

数据预处理模块，用于对所述临床医疗数据进行数据中的噪声数据及缺失数据进行清洗，对清洗后的数据进行特征提取，得到特征数据；

死亡率预测模块，用于根据所述特征数据进行急性肾损伤患者院内死亡率预测。

3.如权利要求2所述的一种急性肾损伤患者院内死亡率预测系统，其特征在于，所述对清洗后的数据进行特征提取，得到特征数据，包括：

建立第一神经网络模型，将清洗后的数据输入至所述第一神经网络模型，输出第一节点及第二节点；其中，所述第一节点为急性肾损伤患者院内死亡的概率，所述第二节点为急性肾损伤患者院内非死亡的概率；其中，所述第一神经网络模型的结构为四层结构；

初始化所述第一节点与第二节点之间的权重及偏置值，并设置所述第一神经网络模型中层与层之间的节点隐藏率为0.2；

根据第一神经网络模型算法对样本数据进行计算，得到特征数据。

4.如权利要求2所述的一种急性肾损伤患者院内死亡率预测系统，其特征在于，所述根据所述特征数据进行急性肾损伤患者院内死亡率预测，包括：

建立第二神经网络模型，将所述特征数据输入至所述第二神经网络模型，输入第三节点及第四节点；其中，所述第三节点为急性肾损伤患者院内死亡的概率，所述第四节点为急性肾损伤患者院内非死亡的概率；其中，所述第二神经网络模型的结构为五层结构；

初始化所述第三节点与第四节点之间的权重及偏置值，并设置所述第二神经网络模型中第一层与第二层之间的节点隐藏率为0.2，第二层与第三层之间的节点隐藏率为0.3，第三层与第四层之间的节点隐藏率为0.3，第四层与第五层之间的节点隐藏率为0.1；

根据第二神经网络模型算法对样本数据进行计算，当损失函数值低于损失阈值时停止计算，并输出急性肾损伤患者院内死亡率预测值。

5.如权利要求3所述的一种急性肾损伤患者院内死亡率预测系统，其特征在于，所述第一神经网络模型算法包括：

根据当前层的节点权重、偏置值计算目标层的节点输出；具体地，通过以下公式计算：

其中，z_j为目标层的节点输出，i为当前层的节点，m为当前层的节点总数，ω_i为当前层i的节点权重，x_i为当前层i的输入矩阵，b_i为当前层i的偏置值；

根据当前层的输入矩阵计算sigmoid函数值；具体地，通过以下公式计算：

其中，S(x_i)为输入矩阵的sigmoid函数值，x_i为当前层的输入矩阵；

计算损失函数值；具体地通过以下公式计算：

其中，loss为损失函数值，y为实际输出值，o为0至1之间的浮点数，i为当前层的节点，m为当前层的节点总数；

计算反向传播值；具体地，通过以下公式计算：

其中，ω_i+1为i+1层的节点权重，ω_i为当前层的节点权重，η为系数，b_i+1为i+1层的偏置值，b_i为当前层i的偏置值。

6.一种急性肾损伤患者院内死亡率预测方法，其特征在于，包括：

获取急性肾损伤患者的临床医疗数据；

将所述临床医疗数据输入至预先训练好的神经网络算法模型，输出急性肾损伤患者院内死亡率的预测值。