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：福州康为网络技术有限公司

摘要：本发明公布了一种基于BLS特征提取器的妊娠期糖尿病风险预测方法，属于风险预测技术领域，本发明通过结合宽度学习系统（BLS）和随机森林（RF）算法，显著提高了妊娠期糖尿病风险预测的准确性和效率，BLS能够有效提取数据中的非线性特征，这些特征能够反映更复杂的患者数据与妊娠期糖尿病风险之间的关系，通过BLS预处理的数据输入到随机森林模型中，使得随机森林能在更高维度的特征空间中进行学习，从而提高了模型在分类任务上的表现，结合随机森林，在有效提取非线性特征的情况下降低模型时间成本，BLS和RF的模型结构相对简单，参数调整更为直观，易于在不同的医疗机构中部署和实施，降低了技术推广的门槛。

主权项：1.一种基于BLS特征提取器的妊娠期糖尿病风险预测方法，其特征在于，具体包括以下步骤：步骤一：选取在孕早期前参加首诊，并且具备24周-28周OGTT结局指标的患者，通过医院系统与公司管理系统获取患者基本信息、病例数据、检验检查数据、调查问卷数据并与患者签署知情同意书；步骤二：对于原始数据进行结构化合并，并进行数据预处理，确保数据质量和一致性，为后续的特征提取和建模提供干净、规范化的数据输入；步骤三：BLS特征生成（1）对于预处理完成数据，我们将个特征表示为，这些特征将被送入BLS模型中进行进一步处理；（2）BLS线性映射特征生成：对特征进行z-score标准化，生成随机权重矩阵和，对每一个样本特征进行随机赋权，通过Z得到BLS线性映射特征；（3）BLS非线性特征生成：首先对线性映射特征进行z-score标准化，而后非线性增强特征可以通过激活函数映射得到，表示为，其中和为随机生成的权重，符合高斯分布，tansig为bp神经网络常用的激活函数；步骤四：基于特征融合的随机森林预测模型相关性分析:通过相关性分析评估量表数据中各特征与目标变量之间的相关性强度，剔除相关性强度低于预设值的特征；重要性分析：使用python的scikit-learn库进行随机森林重要性分析，剔除重要性得分较低的特征；网格搜索与交叉验证：通过将数据集分为训练集，验证集，测试集，设置随机森林需要搜索的参数的范围，在范围内进行参数组合的遍历，通过训练集训练模型，验证集挑选精度最高的参数组合，以得到妊娠期糖尿病风险预测模型。

全文数据：

权利要求：

百度查询： 福州康为网络技术有限公司 一种基于BLS特征提取器的妊娠期糖尿病风险预测方法