Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法 

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:电子科技大学

摘要:本发明公开了一种基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法,包括以下步骤:1信息自动录入,得到入院即时信息和时序医疗信息;2进行心房颤动风险因素挖掘:提取入院即时信息,利用Stacking集成机器学习模型与Shap可解释性分析算法,进行风险因素挖掘;3导入心电图数据,结合入院即时信息和时序医疗信息,利用Multimodal‑AFTransformer模型对三种模态的数据进行处理,实现心房颤动检测,生成预测结果和概率。本发明利用多模态数据处理来检测心房颤动,通过机器学习模型进行分析和预测,显著提升了检测精度和模型的可解释性。

主权项:1.基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法,其特征在于,包括以下步骤:1信息自动录入:使用自动翻页扫描仪扫描患者的纸质病历和检查报告;然后通过OCR技术识别并提取扫描图像中的文本信息,得到患者的电子健康记录数据,电子健康记录中包含入院即时信息和时序医疗信息;2进行心房颤动风险因素挖掘:提取电子健康记录中的入院即时信息,利用Stacking集成机器学习模型与Shap可解释性分析算法,进行风险因素挖掘;3导入心电图数据,结合入院即时信息和时序医疗信息,利用Multimodal-AFTransformer模型对三种模态的数据进行处理,实现心房颤动检测,生成预测结果和概率。

全文数据:

权利要求:

百度查询: 电子科技大学 基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法

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。