急性肾损伤早期预测方法及装置与流程

技术特征：
1.一种急性肾损伤早期预测方法，其特征在于，所述方法包括：构建急性肾损伤尿液分子标志物的一级数据样本集和二级数据样本集，其中，所述一级数据样本集中的每个样本数据包括4种尿液分子标志物，所述二级数据样本集中的每个样本数据包括8种尿液分子；对所述一级数据样本集和所述二级数据样本集进行归一化处理和分割，以确定一级训练数据集和一级测试数据集，和二级训练数据集和二级测试数据集；使用所述一级训练数据集和所述二级训练数据集，利用支持向量机算法训练，分别训练得到一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；使用遗传算法对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行参数优化，以得到优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；使用所述一级测试数据集和所述二级测试数据集对所述优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行验证评估。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取目标患者的急性肾损伤尿液分子标志物的一级检验数据；根据所述目标患者的一级检验数据和所述优化后的一级急性肾损伤早期预测模型对所述目标患者进行急性肾损伤早期预测，得到第一预测结果；当所述第一预测结果显示不能确诊时，获取所述目标患者的急性肾损伤尿液分子标志物的二级检验数据；根据所述目标患者的二级检验数据和所述优化后的二级急性肾损伤早期预测模型对所述目标患者进行急性肾损伤早期预测，得到第二预测结果。3.根据权利要求1所述的方法，其特征在于，所述一级数据样本集中的4种尿液分子标志物包括malb、β2-mg、cysc和nag，其采集时段包括术后4小时、术后12小时、术后24小时、术后48小时和术后72小时；所述二级数据样本集中的8种尿液分子标志物包括ngal、il-18、kim-1、l-fabp、malb、β2-mg、cys c和nag，其采集时段包括术后4小时、术后12小时、术后24小时、术后48小时和术后72小时。4.根据权利要求1所述的方法，其特征在于，使用遗传算法对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行参数优化，以得到优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型，包括：分别确定所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型的参数范围和精度，以及参数范围的编码位长和所述精度编码位长；确定遗传算法的参数，其中，所述遗传算法的参数包括初始种群规模、遗传代数、变异概率、交叉概率和染色体位串长度；使用所述遗传算法分别对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型的参数进行优化，以得到最优参数值。5.根据权利要求4所述的方法，其特征在于，对所述优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行验证评估之后，还包括：使用适应度函数分别计算所述优化后的一级急性肾损伤早期预测模型和二级急性肾
损伤早期预测模型的适应度函数值；其中，所述适应度函数值的计算公式为：6.一种急性肾损伤早期预测装置，其特征在于，所述装置包括：构建模块，用于构建急性肾损伤尿液分子标志物的一级数据样本集和二级数据样本集，其中，所述一级数据样本集中的每个样本数据包括4种尿液分子标志物，所述二级数据样本集中的每个样本数据包括8种尿液分子；确定模块，用于对所述一级数据样本集和所述二级数据样本集进行归一化处理和分割，以确定一级训练数据集和一级测试数据集，和二级训练数据集和二级测试数据集；训练模块，用于使用所述一级训练数据集和所述二级训练数据集，利用支持向量机算法训练，分别训练得到一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；优化模块，用于使用遗传算法对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行参数优化，以得到优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；评估模块，用于使用所述一级测试数据集和所述二级测试数据集对所述优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行验证评估。7.根据权利要求6所述的装置，其特征在于，所述装置还包括：第一获取模块，用于获取目标患者的急性肾损伤尿液分子标志物的一级检验数据；第一预测模块，用于根据所述目标患者的一级检验数据和所述优化后的一级急性肾损伤早期预测模型对所述目标患者进行急性肾损伤早期预测，得到第一预测结果；第二获取模块，用于当所述第一预测结果显示不能确诊时，获取所述目标患者的急性肾损伤尿液分子标志物的二级检验数据；第二预测模块，用于根据所述目标患者的二级检验数据和所述优化后的二级急性肾损伤早期预测模型对所述目标患者进行急性肾损伤早期预测，得到第二预测结果。8.根据权利要求6所述的装置，其特征在于，所述一级数据样本集中的4种尿液分子标志物包括malb、β2-mg、cysc和nag，其采集时段包括术后4小时、术后12小时、术后24小时、术后48小时和术后72小时；所述二级数据样本集中的8种尿液分子标志物包括ngal、il-18、kim-1、l-fabp、malb、β2-mg、cys c和nag，其采集时段包括术后4小时、术后12小时、术后24小时、术后48小时和术后72小时。9.根据权利要求6所述的装置，其特征在于，所述优化模块包括：第一确定单元，用于分别确定所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型的参数范围和精度，以及参数范围的编码位长和所述精度编码位长；第二确定单元，用于确定遗传算法的参数，其中，所述遗传算法的参数包括初始种群规模、遗传代数、变异概率、交叉概率和染色体位串长度；参数优化单元，用于使用所述遗传算法分别对所述一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型的参数进行优化，以得到最优参数值。10.根据权利要求6所述的装置，其特征在于，还包括：计算模块，用于使用适应度函数分别计算所述优化后的一级急性肾损伤早期预测模型
和二级急性肾损伤早期预测模型的适应度函数值；其中，所述适应度函数值的计算公式为：

技术总结
本发明是关于一种急性肾损伤早期预测方法及装置，方法包括：构建急性肾损伤尿液分子标志物的一级数据样本集和二级数据样本集；对一级数据样本集和二级数据样本集进行归一化处理和分割，以确定一级训练数据集和一级测试数据集，和二级训练数据集和二级测试数据集；使用一级训练数据集和二级训练数据集，利用支持向量机算法训练，分别训练得到一级和二级急性肾损伤早期预测模型；使用遗传算法对一级和二级急性肾损伤早期预测模型进行参数优化，以得到优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型；使用一级测试数据集和二级测试数据集对优化后的一级急性肾损伤早期预测模型和二级急性肾损伤早期预测模型进行验证评估。模型进行验证评估。模型进行验证评估。


技术研发人员：崔丽艳 杨大利 杨硕 周剑锁 吴永华 王天成 贾珂珂
受保护的技术使用者：北京信息科技大学
技术研发日：2021.10.26
技术公布日：2022/1/6