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！

龍圖騰網獲悉深圳市疾病預防控制中心(深圳市衛生監督局、深圳市衛生檢驗中心、深圳市預防醫學研究所)申請的專利基于隨機森林的精液質量預測方法及系統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：CN119889726B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202510334650.8，技術領域涉及：G16H50/70；該發明授權基于隨機森林的精液質量預測方法及系統是由劉佩意;袁冠湘;楊晨;趙舒杰;任曉虎;楊細飛設計研發完成，并于2025-03-20向國家知識產權局提交的專利申請。

本基于隨機森林的精液質量預測方法及系統在說明書摘要公布了：本發明公開了一種基于隨機森林的精液質量預測方法及系統，所述方法包括：獲取不同精液的代謝物數據樣本，并對所述代謝物數據樣本進行預處理，得到預處理后的代謝物數據樣本；基于預設的多維度篩選標準對預處理后的代謝物數據樣本進行分析，確定與精液質量異常相關的差異特征；采用預設的特征篩選算法對差異特征進行篩選和評估，依據預設的優化指標確定符合精液質量預測要求的核心特征子集；基于所述核心特征子集，對預先構建的基于隨機森林算法的精液質量預測模型進行訓練；使用訓練好的精液質量預測模型對待測精液的代謝物數據進行質量預測，得到精液質量預測結果。本發明能夠提高對精液質量預測的準確性。

本發明授權基于隨機森林的精液質量預測方法及系統在權利要求書中公布了：1.一種基于隨機森林的精液質量預測方法，其特征在于，包括以下步驟： 獲取不同精液的代謝物數據樣本，并對所述代謝物數據樣本進行預處理，得到預處理后的代謝物數據樣本；所述代謝物數據樣本是預先對不同精液進行檢測分析得到； 基于預設的多維度篩選標準對預處理后的代謝物數據樣本進行分析，確定與精液質量異常相關的差異特征； 采用預設的特征篩選算法對差異特征進行篩選和評估，依據預設的優化指標確定符合精液質量預測要求的核心特征子集； 基于所述核心特征子集，對預先構建的基于隨機森林算法的精液質量預測模型進行訓練； 使用訓練好的精液質量預測模型對待測精液的代謝物數據進行質量預測，得到精液質量預測結果； 所述采用預設的特征篩選算法對差異特征進行篩選和評估，依據預設的優化指標確定符合精液質量預測要求的核心特征子集，包括： 構建包含最小化預測誤差和L1正則化項的損失函數： ，為樣本數量；為特征數量；為截距；為第j個特征的回歸系數；為第i個樣本中第j個特征的取值；為第i個樣本的響應變量；為正則化超參數，控制懲罰的強度；其中，最小化預測誤差用于衡量模型擬合的好壞，正則化通過對回歸系數的絕對值加權懲罰，使不重要的特征的系數趨近于零甚至精確為零；當較大時，懲罰作用更強，大量特征會被剔除，模型更為稀疏；當=0時，Lasso回歸退化為普通線性回歸；Lasso的正則化約束使得特征選擇通過求解一個帶約束的優化問題完成： ； 其中是一個由決定的常數；通過幾何解釋，正則化的約束是一個菱形約束區域，其尖銳角落傾向于使回歸系數為0； 在訓練過程中，動態調整回歸系數，使得不相關的差異特征的系數收縮到零，而相關特征的系數保持較大的絕對值，最終僅保留對響應變量有預測能力的差異特征，將所述最終僅保留對相應變量有預測能力的差異特征構成為差異特征集合，并通過交叉驗證選擇最優的正則化參數入，以在模型稀疏性和預測能力之間達到平衡； 輸入所述差異特征集合和響應變量，其中差異特征集合包括通過OPLS-DA、Wilcoxon符號秩檢驗和差異倍數分析篩選出的顯著差異代謝物；響應變量為精液質量預測模型對精液質量預測的分類標簽； 使用支持向量機算法，基于當前的差異特征集合和響應變量訓練分類器，構建最優分類決策面，所述分類決策面用于區分不同類別的精液質量樣本； 通過支持向量機模型計算每個差異特征的權重向量，所述權重向量表示每個差異特征對分類決策面的貢獻大小，權重絕對值越大，表示該特征對分類的貢獻越大； 根據權重向量，評估每個差異特征的重要性，所述重要性通過權重向量的絕對值衡量，移除權重最小的差異特征；特征重要性由以下公式定義：；是第個特征的權重； 更新差異特征集合，并重復訓練支持向量機分類器、計算特征重要性和移除權重最小的差異特征的過程，直到剩余的差異特征達到預定數量； 輸出最終的核心特征子集，所述核心特征子集包括對精液質量預測貢獻最大的差異特征； 所述基于所述核心特征子集，對預先構建的基于隨機森林算法的精液質量預測模型進行訓練，包括： 從所述核心特征子集構建出全新的訓練集和測試集； 使用構建好的新訓練集來訓練作為精液質量預測模型的隨機森林模型；在訓練過程中，通過樣本隨機采樣從訓練集中有放回地抽取樣本，構建多個不同的訓練子集，增加樣本的多樣性；并通過特征隨機采樣在每次構建決策樹時，隨機選擇部分特征進行訓練，降低模型復雜度；同時通過調整模型的特定超參數來優化模型的性能；特定超參數包括隨機森林模型的決策樹數量和最大深度； 將測試集中的樣本數據輸入到經過訓練的隨機森林模型中，隨機森林模型基于學習到的核心特征與精液質量的關聯模式，對每個測試樣本進行精液質量的預測，輸出相應的預測結果； 采用10折交叉驗證方法評估隨機森林模型在訓練集上的性能表現，并評估隨機森林模型的靈敏度、特異性和AUC值；AUC值通過構建ROC曲線計算所得：。

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深圳市疾病預防控制中心(深圳市衛生監督局、深圳市衛生檢驗中心、深圳市預防醫學研究所)，其通訊地址為：518000 廣東省深圳市南山區龍苑路8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”。