(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111188366.2 (22)申请日 2021.10.12 (71)申请人 中国人民解 放军总医院第一医学中 心 地址 100853 北京市海淀区复兴 路28号 (72)发明人 梁爽　王涌　蔡广研　陈香美　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 代理人 王治东 (51)Int.Cl. G16H 50/20(2018.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的术后急性肾损伤智能 预测方法及装置 (57)摘要 本发明提供一种基于机器学习的术后急性 肾损伤智能预测方法及装置， 所述方法包括： 获 取待测患者的围手术期数据； 根据围手术期数 据， 得到待测患者的术后急性肾损伤预测结果； 其中， 将围手术期数据输入预测模 型得到待测患 者的术后急性肾损伤预测结果； 预测模型包括若 干个预测子模 型， 若干个预测子模 型分别采用不 同的机器学习网络构建得到； 待测患者的术后急 性肾损伤预测结果， 根据训练好的若干个预测子 模型的模型权重及预测值计算得到； 预测模型的 训练包括： 分别确定训练集中各样 本数据在每个 预测子模型上的数据权重， 根据数据权重对各预 测子模型进行训练。 本发明能够有效保证术后 AKI预测结果的准确性、 全面 性和稳定性。 权利要求书2页 说明书10页 附图2页 CN 114049952 A 2022.02.15 CN 114049952 A 1.一种基于 机器学习的术后急性肾损伤智能预测方法， 其特 征在于， 包括： 获取待测患者的围手术期数据； 根据所述围手术期数据， 得到所述待测患者的术后急性肾损伤预测结果； 其中， 将所述 围手术期数据输入预测模型 得到所述待测患者的术后急性肾损伤预测结果； 其中， 所述预测模型包括若干个预测子模型， 若干个所述预测子模型分别采用不同的 机器学习网络构建得到； 所述待测患者的术后 急性肾损伤预测结果， 根据训练好的若干个 所述预测子模型的模型权 重及预测值计算得到； 所述预测模型的训练包括： 分别确定训练集中各样本数据在每个所述预测子模型上的 数据权重， 根据所述数据权 重对各所述预测子模型进行训练。 2.根据权利要求1所述的一种基于机器学习的术后急性肾损伤智能预测方法， 其特征 在于， 确定训练集中各样本数据在每 个所述预测子模型 上的数据权 重， 包括： 在所述预测模型的训练过程中， 根据 所述训练集中各样本数据在前一个所述预测子模 型上的数据权重、 前一个所述预测子模型的模 型权重以及前一个所述预测子模型对所述训 练集中各样本数据的预测值， 确定所述训练集中各样本数据在当前所述预测子模型上的数 据权重； 其中， 在所述预测模型的训练过程中， 依次对若干个所述预测子模型进行训练。 3.根据权利要求2所述的一种基于机器学习的术后急性肾损伤智能预测方法， 其特征 在于， 所述预测子模型的模型权 重的确定包括： 获取所述预测子模型在所述训练集上的加权误差率， 根据 所述加权误差率确定所述预 测子模型 的模型权重； 其中， 所述加权误差率根据所述训练集中各样本数据在所述预测子 模型上的数据权 重， 以及所述预测子模型对所述训练集中各样本数据的预测误差得到 。 4.根据权利要求3所述的一种基于机器学习的术后急性肾损伤智能预测方法， 其特征 在于， 根据所述加权误差率确定所述预测子模型的模型权 重， 如下式所示： 式中， αk表示第k个预测子模型的模型权重， ek表示第k个预测子模型在训练集上的加权 误差率。 5.根据权利要求2所述的一种基于机器学习的术后急性肾损伤智能预测方法， 其特征 在于， 根据所述数据权 重对各所述预测子模型进行训练的过程中， 还 包括： 剔除所述训练集中的离群点； 其中， 剔除所述训练集中的离群点包括： 在所述预测模型的前M轮训练中， 如果若干个所述预测子模型均无法对所述样本数据 进行正确分类， 则将所述样本数据作为离群点并剔除； 其中， M<N， N为所述预测模型的总训 练轮数。 6.根据权利要求2所述的一种基于机器学习的术后急性肾损伤智能预测方法， 其特征 在于， 根据所述数据权 重对各所述预测子模型进行训练的过程中， 还 包括： 剔除所述预测模型中的离群预测子模型； 其中， 剔除所述预测模型中的离群预测子模 型包括： 在所述预测模型的前T轮训练中， 获取每个所述预测子模型的平均运行时间， 若所述预 测子模型的平均运行时间超出预设阈值， 则将所述预测子模型作为离群预测子模型并剔权　利　要　求　书 1/2 页 2 CN 114049952 A 2除； 其中， T<N， N 为所述预测模型的总训练轮数。 7.一种基于 机器学习的术后急性肾损伤智能预测装置， 其特 征在于， 包括： 数据获取模块， 用于获取待测患者的围手术期数据； 智能预测模块， 用于根据所述围手术期数据， 得到所述待测患者的术后急性肾损伤预 测结果； 其中， 将所述围手术期数据输入预测模型得到所述待测患者的术后急性肾损伤预 测结果； 其中， 所述预测模型包括若干个预测子模型， 若干个所述预测子模型分别采用不同的 机器学习网络构建得到； 所述待测患者的术后 急性肾损伤预测结果， 根据训练好的若干个 所述预测子模型的模型权 重及预测值计算得到； 所述预测模型的训练包括： 分别确定训练集中各样本数据在每个所述预测子模型上的 数据权重， 根据所述数据权 重对各所述预测子模型进行训练。 8.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至6任一项所 述基于机器学习的术后急性肾损伤智能预测方法的步骤。 9.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机 程序被处理器执行时实现如权利要求1至6任一项所述基于机器学习的术后急性肾损伤智 能预测方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现如权利要求1至6任一项所述基于机器学习的术后 急性肾损伤智能预测方法的步 骤。权　利　要　求　书 2/2 页 3 CN 114049952 A 3