買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉四川省醫(yī)學(xué)科學(xué)院·四川省人民醫(yī)院申請(qǐng)的專利基于XGBoost的危重癥患者營(yíng)養(yǎng)不良風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120015330B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510494754.5，技術(shù)領(lǐng)域涉及：G16H50/30；該發(fā)明授權(quán)基于XGBoost的危重癥患者營(yíng)養(yǎng)不良風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)是由劉藝;謝彩霞;江華;雷遷;程宗燕;劉敏設(shè)計(jì)研發(fā)完成，并于2025-04-21向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于XGBoost的危重癥患者營(yíng)養(yǎng)不良風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)在說(shuō)明書摘要公布了：本申請(qǐng)公開了基于XGBoost的危重癥患者營(yíng)養(yǎng)不良風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)，涉及患者營(yíng)養(yǎng)管理技術(shù)領(lǐng)域，包括信息獲取模塊、數(shù)據(jù)處理模塊和風(fēng)險(xiǎn)預(yù)測(cè)模塊；信息獲取模塊用于獲取目標(biāo)患者的目標(biāo)生理特征；風(fēng)險(xiǎn)預(yù)測(cè)模塊還包括模型構(gòu)建子模塊和風(fēng)險(xiǎn)輸出子模塊；模型構(gòu)建子模塊用于獲取訓(xùn)練數(shù)據(jù)集和目標(biāo)參數(shù)值；根據(jù)目標(biāo)參數(shù)值和XGBoost模型構(gòu)建和訓(xùn)練風(fēng)險(xiǎn)預(yù)測(cè)模型；訓(xùn)練中，計(jì)算更新前決策樹的目標(biāo)函數(shù)最小取值與擬更新后決策樹的目標(biāo)函數(shù)最小取值之差，根據(jù)差值最大生成決策樹，根據(jù)已生成的決策樹的最小目標(biāo)函數(shù)值得到葉子節(jié)點(diǎn)權(quán)重；風(fēng)險(xiǎn)輸出子模塊用于根據(jù)目標(biāo)生理特征在風(fēng)險(xiǎn)預(yù)測(cè)模型的輸出得到目標(biāo)風(fēng)險(xiǎn)，以實(shí)現(xiàn)自動(dòng)化特征工程，降低模型訓(xùn)練難度。

本發(fā)明授權(quán)基于XGBoost的危重癥患者營(yíng)養(yǎng)不良風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)在權(quán)利要求書中公布了：1.基于XGBoost的危重癥患者營(yíng)養(yǎng)不良風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)，其特征在于，包括信息獲取模塊和風(fēng)險(xiǎn)預(yù)測(cè)模塊； 信息獲取模塊用于獲取目標(biāo)患者的目標(biāo)生理特征； 風(fēng)險(xiǎn)預(yù)測(cè)模塊還包括模型構(gòu)建子模塊和風(fēng)險(xiǎn)輸出子模塊；模型構(gòu)建子模塊還包括參數(shù)獲取孫模塊、模型生成孫模塊和模型訓(xùn)練孫模塊；參數(shù)獲取孫模塊用于獲取風(fēng)險(xiǎn)預(yù)測(cè)模型的訓(xùn)練數(shù)據(jù)集和目標(biāo)參數(shù)值；訓(xùn)練數(shù)據(jù)集包括所有待篩選的患者生理特征；模型生成孫模塊用于根據(jù)目標(biāo)參數(shù)值和XGBoost模型構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型；風(fēng)險(xiǎn)預(yù)測(cè)模型包括若干棵決策樹；模型訓(xùn)練孫模塊用于根據(jù)訓(xùn)練數(shù)據(jù)集和目標(biāo)參數(shù)值，采用最大化信息增益的策略生成每一決策樹；信息增益根據(jù)更新前決策樹的目標(biāo)函數(shù)最小取值與擬更新后決策樹的目標(biāo)函數(shù)最小取值之差得到，根據(jù)已生成的決策樹在目標(biāo)函數(shù)最小取值得到每一葉子節(jié)點(diǎn)的權(quán)重；風(fēng)險(xiǎn)輸出子模塊用于獲取訓(xùn)練好的風(fēng)險(xiǎn)預(yù)測(cè)模型，根據(jù)目標(biāo)生理特征在風(fēng)險(xiǎn)預(yù)測(cè)模型的輸出得到目標(biāo)患者的目標(biāo)風(fēng)險(xiǎn)； 目標(biāo)參數(shù)包括學(xué)習(xí)任務(wù)參數(shù)、學(xué)習(xí)率、每棵樹的最大深度、訓(xùn)練每棵樹時(shí)隨機(jī)抽取的樣本比例、訓(xùn)練每棵樹時(shí)隨機(jī)抽取的特征比例、節(jié)點(diǎn)分裂所需的最小樣本權(quán)重和、節(jié)點(diǎn)分裂的最小損失降低值、模型復(fù)雜度的懲罰參數(shù)以及模型的性能評(píng)估指標(biāo)；學(xué)習(xí)任務(wù)參數(shù)包括損失函數(shù)； 所述信息獲取模塊根據(jù)采集時(shí)間是否為預(yù)設(shè)觀測(cè)時(shí)間將目標(biāo)生理特征劃分為歷史觀測(cè)特征和目標(biāo)觀測(cè)特征；所述系統(tǒng)還包括特征預(yù)測(cè)模塊，特征預(yù)測(cè)模塊用于根據(jù)目標(biāo)患者的歷史觀測(cè)特征預(yù)測(cè)預(yù)設(shè)觀測(cè)時(shí)間的預(yù)測(cè)生理特征，特征預(yù)測(cè)模塊根據(jù)基于歷史就診記錄中歷史患者在不同時(shí)間點(diǎn)的生理特征取值訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型構(gòu)建得到；風(fēng)險(xiǎn)輸出子模塊還包括風(fēng)險(xiǎn)計(jì)算孫模塊和風(fēng)險(xiǎn)校驗(yàn)孫模塊；風(fēng)險(xiǎn)計(jì)算孫模塊用于在預(yù)設(shè)觀測(cè)時(shí)間前根據(jù)預(yù)測(cè)生理特征得到預(yù)測(cè)風(fēng)險(xiǎn)；風(fēng)險(xiǎn)校驗(yàn)孫模塊用于在預(yù)設(shè)觀測(cè)時(shí)間計(jì)算預(yù)測(cè)生理特征與目標(biāo)觀測(cè)特征的特征相似度，若特征相似度不小于相似度閾值，將預(yù)測(cè)風(fēng)險(xiǎn)作為目標(biāo)風(fēng)險(xiǎn)，若特征相似度小于相似度閾值，風(fēng)險(xiǎn)校驗(yàn)孫模塊還用于將所述目標(biāo)觀測(cè)特征輸入所述風(fēng)險(xiǎn)計(jì)算孫模塊，輸出目標(biāo)風(fēng)險(xiǎn)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人四川省醫(yī)學(xué)科學(xué)院·四川省人民醫(yī)院，其通訊地址為：610000 四川省成都市青羊區(qū)一環(huán)路西2段32號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。