[发明专利]一种基于预后评分算法的脑卒中预后保健评价系统在审
申请号: | 202210955047.8 | 申请日: | 2022-08-10 |
公开(公告)号: | CN115497618A | 公开(公告)日: | 2022-12-20 |
发明(设计)人: | 罗松娜;章夏萍;王海苹 | 申请(专利权)人: | 浙江大学医学院附属第一医院 |
主分类号: | G16H50/30 | 分类号: | G16H50/30 |
代理公司: | 北京国坤专利代理事务所(普通合伙) 11491 | 代理人: | 赵红霞 |
地址: | 310003 浙*** | 国省代码: | 浙江;33 |
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 基于 预后 评分 算法 脑卒中 保健 评价 系统 | ||
本发明属于预后保健信息处理技术领域,公开了一种基于预后评分算法的脑卒中预后保健评价系统,基于预后评分算法的脑卒中预后保健评价系统包括:基础数据获取模块、数据预处理模块、初始特征序列构建模块、特征指标筛选模块、数据传输模块、中央控制模块、特征指标融合模块、预后评分模型构建模块、脑卒中预后保健评价模块、数据存储模块、更新显示模块。本发明通过获取脑卒中预后保健评价数据集并进行初始特征序列的构建和特征融合,从特征选择的角度提高了对脑卒中疾病的分类性能;预后保健评价模型的精准度更高,能够提高管理效率和用户的便利性,还能够简单、快速且准确地评估脑卒中患者的预后保健情况,有助于避免过度治疗和治疗不足。
技术领域
本发明属于预后保健信息处理技术领域,尤其涉及一种基于预后评分算法的脑卒中预后保健评价系统。
背景技术
目前,脑卒中是常发生在中老年人群中的一种脑血管疾病,目前已经成为我国发病率非常高的疾病。目前,对脑卒中高危人群筛查是一项必不可少的工作,主要是是对长期吸烟、喝酒、高血压等患者进行风险评估及相关检查,以阻止脑卒中危险因素的进一步发展,预防脑卒中的发生。颈动脉粥样硬化与脑卒中发病有着密切的联系,因此通过有效的特征选择,从脑卒中高危人群的数据中找到影响颈动脉粥样硬化的相关因素,可以尽早预测和发现颈动脉斑块,并及时干预,对减少脑卒中疾病的发生具有重大意义。但是,现有通过针对脑卒中预后患者进行面对面沟通了解脑卒中预后保健情况,效率比较低且不够全面。因此,亟需设计一种新的脑卒中预后保健评价系统。
通过上述分析,现有技术存在的问题及缺陷为:现有通过针对脑卒中预后患者进行面对面沟通了解脑卒中预后保健情况,效率比较低且不够全面。
发明内容
针对现有技术存在的问题,本发明提供了一种基于预后评分算法的脑卒中预后保健评价系统。
本发明是这样实现的,一种基于预后评分算法的脑卒中预后保健评价系统,所述基于预后评分算法的脑卒中预后保健评价系统包括:
基础数据获取模块,与中央控制模块连接,用于通过数据获取模块获取待评价的脑卒中患者的原始临床数据资料以及脑卒中预后保健的基础数据;
数据预处理模块,与基础数据获取模块、数据传输模块和中央控制模块连接,用于通过数据预处理程序对获取的所述原始临床数据资料以及脑卒中预后保健的基础数据进行预处理,得到脑卒中预后保健评价数据集;
初始特征序列构建模块,与数据预处理模块、数据传输模块和中央控制模块连接,用于通过序列构建程序对所述脑卒中预后保健评价数据集进行特征提取,计算特征权重并将所述权重进行降序排列,构建初始特征序列;
特征指标筛选模块,与初始特征序列构建模块、中央控制模块连接,用于通过特征筛选程序利用皮尔逊相关性分析法对构建得到的所述初始特征序列进行脑卒中预后保健评价定性特征指标与定量特征指标的筛选;
中央控制模块,与基础数据获取模块、数据预处理模块、初始特征序列构建模块、特征指标筛选模块、特征指标融合模块、预后评分模型构建模块、脑卒中预后保健评价模块连接,用于通过中央处理器协调控制所述基于预后评分算法的脑卒中预后保健评价系统各个模块的正常运行;
特征指标融合模块,与中央控制模块、特征指标筛选模块和预后评分模型构建模块连接,用于通过特征融合程序对筛选得到的所述脑卒中预后保健评价定性特征指标与定量特征指标进行融合,得到特征指标融合数据集;
预后评分模型构建模块,与数据预处理模块、中央控制模块和特征指标融合模块连接,用于通过模型构建程序基于预后评分算法根据所述脑卒中预后保健评价数据集和特征指标融合数据集构建脑卒中预后保健评价模型;
脑卒中预后保健评价模块,与中央控制模块和预后评分模型构建模块连接,用于通过构建得到的脑卒中预后保健评价模型对脑卒中预后保健进行评价。
进一步,所述基于预后评分算法的脑卒中预后保健评价系统还包括:
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浙江大学医学院附属第一医院,未经浙江大学医学院附属第一医院许可,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/202210955047.8/2.html,转载请声明来源钻瓜专利网。