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！

龙图腾网恭喜中国人民解放军海军军医大学第一附属医院申请的专利一种鲁棒的肝病死亡的风险预测方法、控制服务器及介质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：CN118486463B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202410679673.8，技术领域涉及：G16H50/30；该发明授权一种鲁棒的肝病死亡的风险预测方法、控制服务器及介质是由胡晓华;张丽杰;闫贺;严诏贤;朱翔;施佳;马玮;周嘉豪设计研发完成，并于2024-05-29向国家知识产权局提交的专利申请。

本一种鲁棒的肝病死亡的风险预测方法、控制服务器及介质在说明书摘要公布了：本发明公开了一种鲁棒的肝病死亡的风险预测方法、控制服务器及介质，所述方法包括：将待预测的肝病数据输入死亡风险预测集成模型，获得死亡风险预测结果；其中，所述死亡风险预测集成模型包括若干个最优风险预测子模型，且最优风险预测子模型间多样性最大化；所述死亡风险预测结果为预测结果满足设定条件的部分最优风险预测子模型预测结果的最优集成结果。通过本发明可有效地提高数据异常情况下的肝病术后死亡风险预测精度。

本发明授权一种鲁棒的肝病死亡的风险预测方法、控制服务器及介质在权利要求书中公布了：1.一种鲁棒的肝病死亡的风险预测方法，其特征在于，包括：将待预测的肝病数据输入死亡风险预测集成模型，获得死亡风险预测结果；所述肝病数据T具体为： 其中，rs1～rs4为四个等级的呼吸评分权重，以呼气中的PaO2FiO2含量指标以及是否机械通气作为评分标准；ls1～ls4为四个等级的肝脏评分权重，以胆红素指标作为评分标准；cos1～cos4为四个等级的凝血评分权重，以血小板计数指标作为评分标准；ks1～ks4为四个等级的肾脏评分权重，以肌酐和24小时尿量为评分指标；cys1～cys4为四个等级的循环评分权重，以平均动脉压、多巴胺剂量、肾上腺素剂量、去甲肾上腺素剂量、多巴酚丁胺指标作为评分标准；ns1～ns4为四个等级的神经评分权重，以格拉斯哥昏迷评分作为评分指标；所述死亡风险预测集成模型包括若干个最优风险预测子模型，且最优风险预测子模型间多样性最大化；利用肝病数据训练集对风险预测子模型进行训练，获得最优风险预测子模型，所述风险预测子模型具体为： 其中，p∈0,2]，||·||p为Lp范数距离，右上角的p表示p次方；cm和qm分别为惩罚系数和松弛变量；矩阵Am和Bm为第m类样本和除m类以外的剩余样本；wm和bm为第m类样本的权向量与偏差；e1m和e2m为单位列向量，第m类样本为肝病术后生存数据，除m类以外的剩余样本为肝病术后死亡数据；获得最优风险预测子模型的具体方法为：步骤3.1、初始化迭代次数t＝1，步长p＝0.5，并随机赋值增广向量根据计算对角矩阵和第i个对角元素为第j个对角元素为其中m1为正类样本数，m2为负类样本数，hi为矩阵Hm＝Ame1m的列向量，gj为矩阵Gm＝Bme2m的列向量，e2mj为列向量e2m的第j个元素，wm和bm为第m类样本的权向量与偏差；步骤3.2、根据对角矩阵和计算增广向量具体计算公式为 其中，ε和I分别为正则化系数、单位矩阵，cm为惩罚系数；步骤3.3、根据更新对角矩阵和的第i个对角元素与的第j个对角元素具体为： 步骤3.4、计算风险预测子模型的目标函数值若且t≤50，则更新目标函数值t＝t+1，p＝p+0.5，返回步骤3.2，否则生成最优风险预测子模型，输出增广向量最优风险预测子模型间多样性最大化的实现方式为：步骤4.1、构建多样性度量函数Fw，具体为： 其中，pk和pl分别为第k、l个最优风险预测子模型的预测结果，k,l＝1,2,...,L，L为最优风险预测子模型的个数，w＝[w1,w2,...,wL]T为权重系数，对角矩阵D的第k行、l列为dkl＝2pk-plTpk-pl；步骤4.2、通过交替方向乘子法求解多样性度量函数Fw，具体为：w＝-αλD-1e，α为拉格朗日乘子，e是均为1的列向量；步骤4.3、生成最优风险预测子模型间多样性最大化的鲁棒集成模型，即死亡风险预测集成模型，具体为： 其中，λ为模型的平衡参数，wk为每个子模型的权重系数；当鲁棒集成模型完成优化时，与Fw实现平衡，即集成模型中各最优风险预测子模型间的多样性最大；所述死亡风险预测结果为预测结果满足设定条件的部分最优风险预测子模型预测结果的最优集成结果。

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中国人民解放军海军军医大学第一附属医院，其通讯地址为：200433 上海市杨浦区长海路168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”。