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：天津市眼科医院;长沙医学院

摘要：本发明涉及数据聚类技术领域，具体涉及一种基于机器学习的麻醉风险评估方法，获取同种疾病类型所对应的麻醉手术后的多个历史患者的多维身体指标数据，并获取历史患者的身体健康状况指标，根据多维身体指标数据对应的数据矩阵及其对应的投影矩阵之间的关联关系，获取各个维度身体指标数据的损失系数，然后根据历史患者的身体健康状况指标、各个维度身体指标数据的损失系数以及数据矩阵，获取各个维度身体指标数据与麻醉风险的关联程度，根据各个维度身体指标数据对应的关联程度得到WKmeans聚类算法中的特征权重，得到的特征权重更为准确、可靠，从而使得WKmeans聚类算法在对麻醉大数据进行聚类分析时能够得到更精确的聚类结果。

主权项：1.一种基于机器学习的麻醉风险评估方法，其特征在于，包括：获取同种疾病类型所对应的麻醉手术后的多个历史患者的多维身体指标数据；根据所述多维身体指标数据，获取历史患者的身体健康状况指标；根据所述多维身体指标数据对应的数据矩阵，与所述数据矩阵对应的投影矩阵之间的关联关系，获取各个维度身体指标数据的损失系数，所述损失系数用于表征对应维度身体指标数据与麻醉风险之间的相关程度；根据历史患者的身体健康状况指标、各个维度身体指标数据的损失系数以及所述数据矩阵，获取各个维度身体指标数据与麻醉风险的关联程度；根据各个维度身体指标数据对应的关联程度得到各个维度身体指标数据在WKmeans聚类算法中的特征权重；所述数据矩阵中的各行表示各个历史患者的多维身体指标数据序列，各列表示各个维度；根据所述多维身体指标数据，获取历史患者的身体健康状况指标，包括：对于所述数据矩阵中的任意一个元素，根据该元素所对应的预设正常数值范围，确定该元素的异常程度；从而获取各个历史患者所对应的异常程度序列；根据异常程度序列中异常程度的平均值以及方差，获取各个历史患者的身体健康状况指标，所述身体健康状况指标与异常程度的平均值以及方差均呈反相关关系；根据所述多维身体指标数据对应的数据矩阵，与所述数据矩阵对应的投影矩阵之间的关联关系，获取各个维度身体指标数据的损失系数，包括：对所述数据矩阵采用PCA降维算法进行处理，获取所述数据矩阵对应的投影矩阵；其中，降维后的维度小于或者等于降维前的维度；获取所述投影矩阵中的降维后的各个维度所对应的子矩阵的方差贡献度；基于所述投影矩阵中的各个子矩阵、所述方差贡献度以及所述数据矩阵中的各个列矩阵，得到各个维度身体指标数据的损失系数；损失系数的计算公式为： 其中，j表示第j个维度，表示第j个维度的身体指标数据的损失系数，exp表示以自然常数e为底的指数函数，K表示采用PCA降维算法进行处理之后的维度数量；o表示采用PCA降维算法进行处理之后的第o个维度，表示降维后得到的投影矩阵的第o个维度所对应的子矩阵的方差贡献度，表示降维后得到的投影矩阵的第o个维度所对应的子矩阵；表示所述数据矩阵中的第j个维度的列矩阵经过标准化处理后的标准化列矩阵；表示的模长，表示的模长，表示和的点积；根据历史患者的身体健康状况指标、各个维度身体指标数据的损失系数以及所述数据矩阵，获取各个维度身体指标数据与麻醉风险的关联程度，包括：对于任意一个维度，获取所述数据矩阵中各个历史患者的该维度的元素值并计算平均值，得到元素平均值；获取每一个历史患者的该维度的元素值与所述元素平均值的差异，得到元素差异特征；获取各个历史患者的麻醉风险数据，并获取所有历史患者的麻醉风险数据的平均值，得到麻醉风险平均值，计算每一个历史患者的麻醉风险数据与所述麻醉风险平均值的差异，得到麻醉风险差异特征；获取每一个历史患者的可靠度，所述可靠度为该历史患者的该维度的元素值所对应的异常程度与该历史患者的身体健康状况指标的乘积；根据所述元素差异特征、麻醉风险差异特征、可靠度和损失系数获取该维度的身体指标数据与麻醉风险的关联程度；所述关联程度与该维度下的各个历史患者的所述元素差异特征、麻醉风险差异特征和可靠度呈正相关关系，与该维度的损失系数呈反相关关系。

全文数据：

权利要求：

百度查询： 天津市眼科医院 长沙医学院 一种基于机器学习的麻醉风险评估方法