一种基于机器学习的临床前骨质疏松筛查方法
申请人信息
- 申请人:香港理工大学深圳研究院
- 申请人地址:518057 广东省深圳市南山区粤海街道高新技术产业园南区粤兴一道18号香港理工大学产学研大楼205室
- 发明人: 香港理工大学深圳研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于机器学习的临床前骨质疏松筛查方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311304451.X |
| 申请日 | 2023/10/10 |
| 公告号 | CN117334335A |
| 公开日 | 2024/1/2 |
| IPC主分类号 | G16H50/30 |
| 权利人 | 香港理工大学深圳研究院 |
| 发明人 | 谢瑶洁; 阳庆玲 |
| 地址 | 广东省深圳市南山区粤海街道高新技术产业园南区粤兴一道18号香港理工大学产学研大楼205室 |
摘要文本
香港理工大学深圳研究院取得“一种透气窗帘布”专利技术，来源：百度马 克 数据网 。本发明公开一种基于机器学习的临床前骨质疏松筛查方法，按照纳入标准和排除标准筛选样本人群，编制问卷测量样本人群的骨质疏松症潜在预测变量值，得到数据集，构建多个骨质疏松症的全预测模型和简化预测模型，比较所有全预测模型和简化预测模型的辨别力，并选择辨别力最佳的模型作为最终预测模型；本发明公开了一种基于机器学习的临床前骨质疏松筛查方法，使用基于机器学习的算法进行预测变量选择和模型构建。模型预测变量简单，可由被试者自我报告获得，不需要做额外的健康检查，且模型的预测效果好，可以方便有效的应用于骨质疏松风险自我评估和社区筛查中。
专利主权项内容
1.一种基于机器学习的临床前骨质疏松筛查方法，其特征在于，包括以下步骤：步骤S1：按照纳入标准和排除标准筛选样本人群，样本人群中每个年龄段的男女比例符合人口普查数据的男女年龄分布，并获取样本人群中每个个体的骨密度数据；步骤S2：进行文献检索获得骨质疏松症的潜在预测变量，编制问卷测量样本人群的骨质疏松症潜在预测变量值，得到变量数据集；步骤S3：使用单因素逻辑回归对变量数据集中的所有变量进行第一次筛选，得到第一次筛选后的变量数据集；使用Boruta变量选择算法进行第二次筛选，得到第二次筛选后的变量数据集；步骤S4：将第二次筛选后的变量数据集随机分为第一训练集和第一测试集，构建多个骨质疏松症的全预测模型，第一训练集用于训练多个全预测模型和调整参数，第一测试集用于评估全预测模型的辨别力；步骤S5：根据日常自我评估和医疗保健实践中可及性和便利性对第二次筛选后的变量数据集进行第三次筛选，得到最终变量数据集；步骤S6：将最终变量数据集随机分为第二训练集和第二测试集，构建多个骨质疏松症的简化预测模型，第二训练集用于训练多个简化预测模型和调整参数，第二测试集用于评估简化预测模型的辨别力；步骤S7：比较所有全预测模型和简化预测模型的辨别力，并选择辨别力最佳的模型作为最终预测模型。