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！

龙图腾网恭喜兰州大学申请的专利儿童肺炎多分类辅助检测与信息处理方法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：CN118841157B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202410841558.6，技术领域涉及：G16H50/20；该发明授权儿童肺炎多分类辅助检测与信息处理方法是由曹鹏飞;许家玮;陈汉森;宋明设计研发完成，并于2024-06-27向国家知识产权局提交的专利申请。

本儿童肺炎多分类辅助检测与信息处理方法在说明书摘要公布了：本发明公开了儿童肺炎多分类辅助检测与信息处理方法，包括以下步骤：步骤S1：数据读取与预处理，得到预处理后的数据；步骤S2：将预处理后的数据进行特征提取，得到最有助于提高预测性能的79维特征；步骤S3：根据提高预测性能的特征，对模型进行训练，得到表现最佳的模型及其参数；步骤S4：根据表现最佳的模型及其参数，对各个模型进行评估，得到最合适的模型；步骤S5：根据最合适的模型和特征，采用多种集成方法来提升模型的稳定性和预测准确度，得到稳定的模型和预测准确度；解决了临床医生无法快速诊断患者的肺炎情况的问题。

本发明授权儿童肺炎多分类辅助检测与信息处理方法在权利要求书中公布了：1.儿童肺炎多分类辅助检测与信息处理方法，其特征在于，包括以下步骤：步骤S1：数据读取与预处理，得到预处理后的数据；步骤S2：将预处理后的数据进行特征提取，得到最有助于提高预测性能的79维特征，并建立CSV格式儿童肺炎数据库；步骤S3：根据提高预测性能的特征，对模型进行训练，得到表现最佳的模型及其参数；步骤S4：根据表现最佳的模型及其参数，对各个模型进行评估，得到最合适的模型；步骤S5：根据最合适的模型和特征，采用多种集成方法来提升模型的稳定性和预测准确度，得到稳定的模型和预测准确度；步骤S6：通过可视化工具，理解模型的工作原理和决策过程，同时也便于报告和解释模型结果；步骤S7：通过优化和调整步骤，得到最终模型；所述步骤S2后进行以下子步骤：子步骤S11：使用Pandas库读取存储在CSV文件中的数据；子步骤S12：使用StandardScaler进行数据的标准化处理；所述步骤S2包括以下子步骤：子步骤S21：通过SMOTE算法增加数据的多样性；子步骤S22：利用AdaBoost、决策树、额外树、梯度提升和随机森林算法评估特征的重要性；子步骤S23：通过比较不同模型的特征重要性得分，选出最有助于提高预测性能的特征；所述步骤S3包括以下子步骤：子步骤S31：通过尝试各种参数组合，寻找每种算法对于当前数据集的最优配置；子步骤S32：使用sklearn库中的网格搜索和随机搜索工具，系统地探索参数空间，从而确保找到能够最大化模型性能的参数设置；子步骤S33：选择10折交叉验证以获得更稳定的估计结果；子步骤S34：通过10折交叉验证的结果比较不同模型配置的效果，最终选择出表现最佳的模型及其参数用于最终的模型训练；所述步骤S4包括以下子步骤：子步骤S41：通过准确率、召回率、特异性、和F1分数的性能指标来全面评估和比较各分类模型的性能；子步骤S42：通过混淆矩阵为每个类别提供一个直观的正确与错误分类的视图，使得模型在各类别上的表现一目了然；子步骤S43：对每个模型绘制操作特征ROC曲线，并计算曲线下面积AUC来评估模型总体的分类性能；子步骤S44：通过准确率、召回率、特异性、F1分数、混淆矩阵、操作特征ROC曲线、曲线下面积AUC评估方法，选择最合适的模型；所述步骤S5包括以下子步骤：子步骤S51：模型输出集成通过加权平均的策略，将不同模型的预测结果结合起来；子步骤S52：对各模型的特征重要性进行了加权平均，整合各个模型对特征重要性的不同看法，形成了一个综合的、更为精确的特征重要性度量；所述步骤S6包括以下子步骤：子步骤S61：通过可视化技术，得到准确率曲线和CSV文件；子步骤S62：准确率曲线图显示了随着特征数量的增加，各个模型准确率的变化趋势；子步骤S63：特征重要性结果被输出到CSV文件；所述步骤S7包括以下子步骤：子步骤S71：在初步的模型训练后，根据模型在验证数据上的表现，对模型参数进行细微调整；子步骤S72：对模型参数进行细微调整后的数据进行五折交叉验证，确保模型的稳定性和泛化能力。

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兰州大学，其通讯地址为：730000 甘肃省兰州市城关区天水南路222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”。