← 返回列表
一种基于大数据的脑卒中数字智能化预警方法及系统
摘要文本
本发明涉及脑卒中数字智能化预警的技术领域，揭露了一种基于大数据的脑卒中数字智能化预警方法及系统，所述方法包括：对患者的临床数据、生理指标、影像学数据进行收集并进行数据清洗和预处理，去除采集数据中的异常值并填补缺失值得到预处理后的数据；对预处理后的数据进行特征提取，将原始数据转化为与脑卒中风险相关的特征向量；构建脑卒中预警模型并对构建的脑卒中预警模型进行优化求解得到最优模型参数，并根据得到的最优模型参数实例化模型得到脑卒中预警模型实例；使用脑卒中预警模型实例对患者脑卒中风险进行预警，当监测到超过预警阈值时，触发预警机制通知医护人员，从而减少脑卒中的发生率。
申请人信息
- 申请人:三亚学院
- 申请人地址:572022 海南省三亚市吉阳区学院路191号三亚学院健康医学院
- 发明人: 三亚学院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于大数据的脑卒中数字智能化预警方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311761900.3 |
| 申请日 | 2023/12/20 |
| 公告号 | CN117747104A |
| 公开日 | 2024/3/22 |
| IPC主分类号 | G16H50/30 |
| 权利人 | 三亚学院 |
| 发明人 | 陈小勇 |
| 地址 | 海南省三亚市吉阳区学院路191号三亚学院健康医学院 |
专利主权项内容
1.一种基于大数据的脑卒中数字智能化预警方法，其特征在于，所述方法包括：S1：对患者的临床数据、生理指标、影像学数据进行收集并进行数据清洗和预处理，去除采集数据中的异常值并填补缺失值得到预处理后的数据；S2：对预处理后的数据进行特征提取，将原始数据转化为与脑卒中风险相关的特征向量，其中小波特征提取和主成分分析为所述提取的主要实施方法；S3：构建脑卒中预警模型，所述模型为深度学习模型，以脑卒中风险特征向量为输入，以脑卒中风险预测值为输出；S4：对构建的脑卒中预警模型进行优化求解得到最优模型参数，并根据得到的最优模型参数实例化模型得到脑卒中预警模型实例；S5：使用脑卒中预警模型实例对患者脑卒中风险进行预警，当监测到超过预警阈值时，触发预警机制通知医护人员。 更多数据：www.macrodatas.cn