买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南大学申请的专利一种基于监督学习预测患者辅助检查项目的方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119943427B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510012182.2，技术领域涉及：G16H50/70；该发明授权一种基于监督学习预测患者辅助检查项目的方法和系统是由刘洋;常万里设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种基于监督学习预测患者辅助检查项目的方法和系统在说明书摘要公布了：本发明公开了一种基于监督学习预测患者辅助检查项目的方法，包括以下步骤：获取住院患者的电子病历，将其和对应的住院号以Excel表格的形式存储为住院患者的源数据，对得到的住院患者的源数据进行预处理，以得到预处理后的源数据，将预处理后的源数据输入预先训练好的辅助检查项目预测模型中，以得到住院患者的辅助检查项目的初步预测结果，并利用预先建立的辅助检查编码表对该初步预测结果进行反编码，以得到住院患者的辅助检查项目的最终预测结果。本发明能够解决现有LSTM模型由于训练复杂、依赖大量历史时间序列数据，导致对患者疾病早期的辅助检查项目无法预测的技术问题。

本发明授权一种基于监督学习预测患者辅助检查项目的方法和系统在权利要求书中公布了：1.一种基于监督学习预测患者辅助检查项目的方法，其特征在于，包括以下步骤： 1获取住院患者的电子病历，将其和对应的住院号以Excel表格的形式存储为住院患者的源数据； 2对步骤1得到的住院患者的源数据进行预处理，以得到预处理后的源数据； 3将步骤2预处理后的源数据输入预先训练好的辅助检查项目预测模型中，以得到住院患者的辅助检查项目的初步预测结果，并利用预先建立的辅助检查编码表对该初步预测结果进行反编码，以得到住院患者的辅助检查项目的最终预测结果；辅助检查项目预测模型是通过以下步骤训练获取的： 3-1获取多个住院患者的电子病历数据组成的原始数据集；对该原始数据集进行预处理，并对预处理后的数据集进行数据增强操作，以得到数据增强后的数据集； 3-2对步骤3-1得到的数据增强后的数据集进行特征提取和矩阵化处理，以得到矩阵化后的数据集； 3-3将步骤3-2得到的矩阵化后的数据集划分为训练集、验证集和测试集，并从训练集中进一步分离出训练集特征数据和训练集目标变量； 3-4对个体决策树的参数进行初始化，以得到初始化后的个体决策树； 3-5对步骤3-3获得的训练集特征数据和训练集目标变量进行bootstrap随机采样，以并行构建多个个体决策树； 3-6针对步骤3-5构建的每一个个体决策树而言，首先从其当前节点选择最具决策影响力的初步诊断特征，然后从当前节点的其它所有特征中再随机选择1个特征，计算选取的这两个特征对应的基尼指数，并选择基尼指数最小的特征作为该个体决策树的当前节点的最佳分裂特征； 3-7针对步骤3-5构建的每一个个体决策树而言，根据步骤3-6选择的该个体决策树的当前节点的最佳分裂特征，生成其对应的所有候选分裂点的列表，遍历该列表中的每个候选分裂点，计算其对应的基尼指数，并从中选择基尼指数最小的候选分裂点作为该个体决策树的当前节点的最佳分裂点； 3-8针对步骤3-5构建的每一个个体决策树而言，根据步骤3-6选择获取的该个体决策树的当前节点的最佳分裂特征和步骤3-7获取选择的该个体决策树的当前节点的最佳分裂点，将该个体决策树的当前节点的样本划分为左节点和右节点； 3-9针对步骤3-5构建的每一个个体决策树而言，递归地对该个体决策树重复执行上述步骤3-6到3-8，直到达到预设的结束条件为止，从而得到构建好的该个体决策树； 3-10将步骤3-9构建好的所有个体决策树集成为随机森林，作为初步训练好的随机森林分类预测模型； 3-11使用步骤3-3获取的测试集对步骤3-10初步训练好的随机森林分类预测模型进行验证，以得到该模型的性能分析结果，根据性能分析结果不断调整随机森林分类预测模型的参数，并进行交叉验证，以得到最终训练好的随机森林分类预测模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。