一种基于人工智能的减重手术术后管理方法及系统
摘要文本
本发明公开了一种基于人工智能的减重手术术后管理方法及系统，方法包括患者数据采集、数据预处理、患者体重预测、术后再入院预测和术后管理策略生成。本发明属于医疗健康管理技术领域，具体是指一种基于人工智能的减重手术术后管理方法及系统，本方案采用埃尔曼循环神经网络进行患者体重预测，增加了模型对动态信息的处理能力，并提高了神经网络模型的适应性和泛化能力，在提升准确率的同时也提升了训练效率，增强了方法整体的可用性；采用结合极限梯度提升模型的博鲁塔算法进行特征选择，并进一步进行术后再入院预测，降低了传统极限梯度提升模型的随机性，具有高精度、高鲁棒性和低随机性的特点，提升了减重手术术后管理系统的实用性。
申请人信息
- 申请人:山东大学第二医院
- 申请人地址:250033 山东省济南市天桥区北园大街247号
- 发明人: 山东大学第二医院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于人工智能的减重手术术后管理方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410217422.8 |
| 申请日 | 2024/2/28 |
| 公告号 | CN117809811A |
| 公开日 | 2024/4/2 |
| IPC主分类号 | G16H20/40 |
| 权利人 | 山东大学第二医院 |
| 发明人 | 王晓敏; 张博; 王斌; 李梦娜; 余远; 郑薪薪; 张长曼; 周飞飞 |
| 地址 | 山东省济南市天桥区北园大街247号 |
专利主权项内容
1.一种基于人工智能的减重手术术后管理方法，其特征在于：该方法包括以下步骤：步骤S1：患者数据采集，具体为获取患者临床数据；步骤S2：数据预处理；步骤S3：患者体重预测，具体为通过皮尔逊相关系数对临床初始数据进行特征筛选，得到体重预测特征，采用埃尔曼循环神经网络进行患者体重预测模型构建，并通过构建得到的患者体重预测模型进行体重预测，得到患者预测体重；步骤S4：术后再入院预测；步骤S5：术后管理策略生成；在步骤S4中，所述术后再入院预测，用于依据患者预测体重和临床初始数据进行术后再入院预测，包括以下步骤：步骤S41：通过一维卷积神经网络对临床初始数据进行特征提取，得到再入院特征矩阵；步骤S42：通过将极限梯度提升模型与博鲁塔算法相结合，得到结合极限梯度提升模型的博鲁塔算法；步骤S43：采用结合极限梯度提升模型的博鲁塔算法进行特征选择；步骤S44：依据患者预测体重和再入院关键特征矩阵，采用人工神经网络模型进行术后再入院预测，将患者分为再入院高风险人群和再入院非高风险人群，得到术后再入院风险。 更多数据：