[发明专利]一种基于机器学习的术后急性肾损伤智能预测方法及装置

权利要求书

1.一种基于机器学习的术后急性肾损伤智能预测方法，其特征在于，包括：

获取待测患者的围手术期数据；

根据所述围手术期数据，得到所述待测患者的术后急性肾损伤预测结果；其中，将所述围手术期数据输入预测模型得到所述待测患者的术后急性肾损伤预测结果；

其中，所述预测模型包括若干个预测子模型，若干个所述预测子模型分别采用不同的机器学习网络构建得到；所述待测患者的术后急性肾损伤预测结果，根据训练好的若干个所述预测子模型的模型权重及预测值计算得到；

所述预测模型的训练包括：分别确定训练集中各样本数据在每个所述预测子模型上的数据权重，根据所述数据权重对各所述预测子模型进行训练。

2.根据权利要求1所述的一种基于机器学习的术后急性肾损伤智能预测方法，其特征在于，确定训练集中各样本数据在每个所述预测子模型上的数据权重，包括：

在所述预测模型的训练过程中，根据所述训练集中各样本数据在前一个所述预测子模型上的数据权重、前一个所述预测子模型的模型权重以及前一个所述预测子模型对所述训练集中各样本数据的预测值，确定所述训练集中各样本数据在当前所述预测子模型上的数据权重；其中，在所述预测模型的训练过程中，依次对若干个所述预测子模型进行训练。

3.根据权利要求2所述的一种基于机器学习的术后急性肾损伤智能预测方法，其特征在于，所述预测子模型的模型权重的确定包括：

获取所述预测子模型在所述训练集上的加权误差率，根据所述加权误差率确定所述预测子模型的模型权重；其中，所述加权误差率根据所述训练集中各样本数据在所述预测子模型上的数据权重，以及所述预测子模型对所述训练集中各样本数据的预测误差得到。

4.根据权利要求3所述的一种基于机器学习的术后急性肾损伤智能预测方法，其特征在于，根据所述加权误差率确定所述预测子模型的模型权重，如下式所示：

式中，α_k表示第k个预测子模型的模型权重，e_k表示第k个预测子模型在训练集上的加权误差率。

5.根据权利要求2所述的一种基于机器学习的术后急性肾损伤智能预测方法，其特征在于，根据所述数据权重对各所述预测子模型进行训练的过程中，还包括：

剔除所述训练集中的离群点；其中，剔除所述训练集中的离群点包括：

在所述预测模型的前M轮训练中，如果若干个所述预测子模型均无法对所述样本数据进行正确分类，则将所述样本数据作为离群点并剔除；其中，MN，N为所述预测模型的总训练轮数。

6.根据权利要求2所述的一种基于机器学习的术后急性肾损伤智能预测方法，其特征在于，根据所述数据权重对各所述预测子模型进行训练的过程中，还包括：

剔除所述预测模型中的离群预测子模型；其中，剔除所述预测模型中的离群预测子模型包括：

在所述预测模型的前T轮训练中，获取每个所述预测子模型的平均运行时间，若所述预测子模型的平均运行时间超出预设阈值，则将所述预测子模型作为离群预测子模型并剔除；其中，TN，N为所述预测模型的总训练轮数。

7.一种基于机器学习的术后急性肾损伤智能预测装置，其特征在于，包括：

数据获取模块，用于获取待测患者的围手术期数据；

智能预测模块，用于根据所述围手术期数据，得到所述待测患者的术后急性肾损伤预测结果；其中，将所述围手术期数据输入预测模型得到所述待测患者的术后急性肾损伤预测结果；

其中，所述预测模型包括若干个预测子模型，若干个所述预测子模型分别采用不同的机器学习网络构建得到；所述待测患者的术后急性肾损伤预测结果，根据训练好的若干个所述预测子模型的模型权重及预测值计算得到；

所述预测模型的训练包括：分别确定训练集中各样本数据在每个所述预测子模型上的数据权重，根据所述数据权重对各所述预测子模型进行训练。