買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京信息工程大學申請的專利基于粗糙集正域與信息熵綜合的醫學檢驗指標約簡方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120408127B 。

龍圖騰網通過國家知識產權局官網在2025-09-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510919382.6，技術領域涉及：G06F18/211；該發明授權基于粗糙集正域與信息熵綜合的醫學檢驗指標約簡方法是由張媛;姚衛;彭茂;徐瑋瑋設計研發完成，并于2025-07-04向國家知識產權局提交的專利申請。

本基于粗糙集正域與信息熵綜合的醫學檢驗指標約簡方法在說明書摘要公布了：本發明公開了基于粗糙集正域與信息熵綜合的醫學檢驗指標約簡方法，適用于醫療數據分析等場景中的高維數據屬性約簡與知識發現，通過融合粗糙集理論和信息論方法兩種視角，提出一種新的約簡策略，通過加權平均方式得到屬性的綜合重要度，其權重由正域與邊界域的比值確定。根據綜合重要度進行迭代約簡，合理地兼顧了確定性和非確定性元素，解決了大規模模糊信息決策系統的屬性約簡可行性問題，得到更準確的約簡集合。便于聚焦關鍵診斷指標，提升診斷效率與準確性，增強臨床可解釋性，減少不必要的檢測項目，起到優化數據，提高診斷效率，節約醫療成本的作用。

本發明授權基于粗糙集正域與信息熵綜合的醫學檢驗指標約簡方法在權利要求書中公布了：1.基于粗糙集正域與信息熵綜合的醫學檢驗指標約簡方法，用于針對某疾病的所有醫學檢驗指標進行約簡，其特征在于，包括如下步驟： 步驟1，獲取醫學檢驗指標數據集，所述醫學檢驗指標數據集中的每個樣本均包括患者、針對某疾病該患者的所有檢驗指標數據以及針對某疾病該患者的診斷結論；將所述醫學檢驗指標數據集轉換為模糊信息決策系統U,A,D，其中，U＝{x1,x2,…,xN}表示所有患者的集合，xi表示第i個患者，i＝1,…,N，N為所有患者的數量，A＝{a1,a2,…,aM}表示針對某疾病的所有醫學檢驗指標集合，am表示第m個指標，m＝1,…,M，M為所有醫學檢驗指標的數量，UD＝{D1,D2,…,DR}表示將U劃分到不相交的診斷結論類別中，Dr表示第r個診斷結論類別，r＝1,…,R，R為診斷結論類別的數量； 步驟2，通過粗糙集正域方法計算所有醫學檢驗指標集合A的正域，根據集合A的正域計算加權系數α以及診斷結論類別集合D對A的依賴度γAD；具體過程如下： 步驟2.1，在模糊信息決策系統U,A,D中，對于每個醫學檢驗指標am，計算任意兩個患者之間的距離，得到每個醫學檢驗指標對應的距離矩陣 其中，對于醫學檢驗指標am，任意兩個患者xi,xj之間的距離計算公式如下： 其中，amxi、amxj分別表示患者xi,xj對醫學檢驗指標am的值； 步驟2.2，根據所有醫學檢驗指標各自對應的距離矩陣，得到集合A的距離矩陣dA；dA中的元素表示為： 步驟2.3，根據距離矩陣dA計算每個患者關于集合A的下近似，公式如下： 步驟2.4，基于步驟2.3，計算集合A的正域POSAD，公式如下： 步驟2.5，根據集合A的正域POSAD計算加權系數α，公式如下： 其中，|U|表示所有患者的數量即N； 步驟2.6，根據集合A的正域POSAD計算診斷結論類別集合D對A的依賴度γAD，公式如下： 步驟3，通過聚類方法將模糊信息決策系統轉換為確定性的信息決策系統U,A′,D，在確定性信息決策系統中計算D的信息熵HD以及全屬性A′下的條件信息熵HD|A′； 步驟4，設定約簡集為B，并初始化約簡集B為空集； 步驟5，對于集合A中未被選擇到B中的每個指標，將每個指標與當前約簡集B相并，得到每個指標對應的并集，計算各指標對應的并集基于粗糙集正域的重要度和基于信息熵的重要度，進而計算各指標對應的并集的綜合重要度； 步驟6，將最大綜合重要度所對應的指標a*加入到當前約簡集B中，得到集合B∪{a*}，作為新的約簡集B； 步驟7，根據步驟2相同的方法計算診斷結論類別集合D對步驟6得到的新約簡集B的依賴度γBD，以及根據步驟3相同的方法計算步驟6得到的新約簡集B下的條件熵HD|B； 步驟8，判斷是否滿足γBD＝γAD且HD|B＝HD|A′，若滿足，則將步驟6得到的新約簡集B作為最終的指標約簡集合輸出；否則返回步驟5，在集合A未被選擇到B的指標中繼續選擇綜合重要度最大所對應的指標加入步驟6得到的新約簡集B中，再一次生成新的約簡集B，直至滿足γBD＝γAD且HD|B＝HD|A′。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京信息工程大學，其通訊地址為：210032 江蘇省南京市江北新區寧六路219號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。