龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：四川大学
摘要：本发明属于疾病预测技术领域，公开了一种基于虚拟人仿真的常见重大疾病早期预测方法，包括通过结构学习和参数学习构建的基于动态贝叶斯网络的虚拟人预测模型，并通过虚拟人预测模型对常见重大疾病进行早期预测；本发明结合健康增龄纵向队列进展过程中多维动态分子变化特征，基于机器学习增强型的动态贝叶斯网络模型和群体学习等技术构建“虚拟人”仿真的预测模型，揭示复杂暴露和表型特征对多种健康结局的“多因多果”联合效应，筛选具有生物学意义的健康增龄新型标志物，通过不同层面组学信息之间的互补，提高增龄过程中重大疾病早期风险预测的灵敏度和准确性。
主权项：1.一种基于虚拟人仿真的常见重大疾病早期预测方法，其特征在于：包括通过结构学习和参数学习构建出基于动态贝叶斯网络的虚拟人预测模型，并通过虚拟人预测模型对常见重大疾病进行早期预测；其中，所述结构学习是用于从潜在因素中筛选出与风险预测相关的因素，并确定动态贝叶斯网络的拓扑结构构建虚拟人预测模型；所述结构学习是先利用模糊理论将知识转换为归一化模糊隶属度，通过隶属度确定两个变量之间的因果关系，并将两个变量之间的关系作为搜索贝叶斯网络结构空间的强限制条件或者弱限制条件构建出多个初始虚拟人预测模型；然后利用分区MCMC方法从多个初始虚拟人预测模型中探索出最优的虚拟人预测模型；所述参数学习用于确定最优的虚拟人预测模型中每个变量在给定其父节点集的条件下的概率分布利用已有的数据集估计出最优的虚拟人预测模型中各个节点之间的条件概率关系，为每个节点分配概率参数；所述参数学习以常见重大疾病分期作为风险评估的分类结局指标并先通过EKM方法聚类后再利用扩增型两阶段stacking算法进行预测结果；最后通过网格搜索法和5折交叉验证来确定虚拟人预测模型的最优参数，从而构建出最终的虚拟人预测模型；所述扩增型两阶段stacking算法是将N个不同的初级学习器对同一数据集的输出类后验概率分别作为元层分类器的N个固定维度的输入向量，且在stacking算法的基础上增加一个初级层。
全文数据：
权利要求：
百度查询： 四川大学 基于虚拟人仿真的常见重大疾病早期预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号