基于在线学习的BEFAST卒中筛查系统和方法

专利主权项内容

1.一种基于在线学习的BEFAST卒中筛查系统，其特征在于，所述系统能够从第0时刻开始每隔一单位时间对特定病人进行卒中筛查，该系统包括历史数据库、限缩数据集模块、权重分配模块、模型构建模块，其中，历史数据库中存有N个病人中每个病人从第0时刻至第j时刻的BEFAST数据，特定病人在第0时刻至第j时刻均记录有BEFAST数据，限缩数据集模块依据历史数据库中每个病人和特定病人在第0时刻的BEFAST数据计算所述每个病人与特定病人的指数距离，设定距离阈值MaxL，对于历史数据库中的病人只有满足/>≤MaxL，才被引入第0历史数据子集M0，权重分配模块以第0历史数据子集M0作为训练数据集建立第0级决策树，计算出BEFAST数据各自的增益系数并合并计为权重向量g0，模型构建模块以第0历史数据子集M0和权重向量g0作为输入并以预测卒中风险概率作为输出来构建针对所述特定病人的筛查模型，进而确定模型构建参数θ，限缩数据集模块引入权重向量g0并基于第1时刻的BEFAST数据计算历史数据库中每个病人与特定病人在第1时刻的指数距离，限缩数据集模块要求历史数据库中的病人只有满足/>≤MaxL，才被引入第1历史数据子集M1，权重分配模块以第1历史数据子集M1作为训练数据集建立第1级决策树执行权重向量计算求得第1时刻的权重向量g1，随后模型构建模块将g1和M1输入所述筛查模型从而迭代优化所述模型构建参数θ。