一种脑出血患者神经功能预后预测模型的建立方法及系统

技术特征：
1.一种脑出血患者神经功能预后预测模型的建立方法，其特征在于，包括如下步骤：s1：数据收集及预处理：对脑出血患者数据进行多维度、多层次的数据预处理；s2：数据统计分析：对所有候选特征变量进行单因素分析，评估不同神经功能恢复状态结局的患者各个变量的统计学差异；s3：特征筛选：采用交叉验证递归特征消除法获得每个模型的最佳特征组合；s4：建立模型：根据所筛选出的最佳特征组合进行6种算法模型建模，并进行相应的模型调参，得出相应模型的最好参数结果，利用接受者操作特定曲线的曲线下面积来评价各模型的预测性能，以得到预测性能效果最佳的功能预测模型，其中，6种算法模型包括逻辑回归模型、逻辑回归cv模型、支持向量机模型、随机森林模型、极端梯度助推模型和类别助推模型。2.根据权利要求1所述的脑出血患者神经功能预后预测模型的建立方法，其特征在于，在步骤s1中，所述的对脑出血患者数据进行多维度、多层次的数据预处理，包括：缺失值清洗、多角度的异常值检测与处理以及数据标准化；其中，所述缺失值清洗包括采用decision tree regression算法对连续特征的多重插补以及采用众数对离散特征的填补；所述多角度异常值检测与处理包括采用iqr准则和临床经验进行多角度异常值检测与处理；所述数据标准化包括利用z-score标准化对数据进行标准化。3.根据权利要求2所述的脑出血患者神经功能预后预测模型的建立方法，其特征在于，所述脑出血患者数据包括患者的人口学信息、生命体征、影像学检查结果、实验室检查结果、既往病史和治疗情况。4.根据权利要求1所述的脑出血患者神经功能预后预测模型的建立方法，其特征在于，在步骤s2中，所述的对所有候选特征变量进行单因素分析，评估不同神经功能恢复状态结局的患者各个变量的统计学差异；包括：将全部41个候选特征变量分为离散型特征和连续型特征，分别对连续变量进行t检验或wilcoxon检验，对离散变量进行卡方检验或fisher精确检验，以评估不同神经功能恢复状态结局的患者各个变量的统计学差异。5.根据权利要求4所述的脑出血患者神经功能预后预测模型的建立方法，其特征在于，在步骤s3中，所述的采用交叉验证递归特征消除法获得每个模型的最佳特征组合；包括递归特征消除和交叉验证，所述递归特征消除包括对全部41个候选特征变量进行递归特征消除，所述递归特征消除方法为首先使用包含所有41个特征的变量集来训练，得到每个特征对结局预测的贡献度，之后剔除对模型贡献度低的变量；再使用新的变量集训练模型，不断递归，获得每个模型最佳的变量组合。6.根据权利要求5所述的脑出血患者神经功能预后预测模型的建立方法，其特征在于，所述交叉验证为采用五重交叉验证，包括将所有样本分为五个大小相等的子样本，使用其中4个子样本作为训练数据，剩下的1个子样本作为检验模型的验证集，重复5次，每一个子样本都只使用一次进行验证，然后将5个重复的结果平均以产生最终的最佳特征组合。7.根据权利要求1所述的脑出血患者神经功能预后预测模型的建立方法，其特征在于，在步骤s4中，所述6种算法模型中的特征变量包括年龄、血肿位置、初始血肿体积、ivh、gcs、bt、hr、bg、肌酐、氯、egfr、wbc、中性粒细胞绝对计数、单核细胞绝对计数和d-二聚体。
8.根据权利要求1所述的脑出血患者神经功能预后预测模型的建立方法，其特征在于，所构建的6种不同算法的功能预测模型中逻辑回归模型的性能最优，逻辑回归cv模型的性能次之。9.一种脑出血患者神经功能预后预测模型系统，其特征在于，所述预测模型系统是由前述权利要求1至8任一项所述的建立方法构建而成。

技术总结
本发明提供了一种脑出血患者神经功能预后预测模型的建立方法及系统，该方法包括如下步骤：S1：对脑出血患者数据进行多维度、多层次的数据预处理；S2：对所有候选特征变量进行单因素分析，评估不同神经功能恢复状态结局的患者各个变量的统计学差异；S3：采用交叉验证递归特征消除法获得每个模型的最佳特征组合；S4：根据所筛选出的最佳特征组合进行6种算法模型建模，并进行相应的模型调参，得出相应模型的最好参数结果，利用接受者操作特定曲线的曲线下面积来评价各模型的预测性能，以得到预测性能效果最佳的功能预测模型，6种算法模型包括逻辑回归模型、逻辑回归CV模型、支持向量机模型、随机森林模型、极端梯度助推模型和类别助推模型。别助推模型。别助推模型。


技术研发人员：田蕊 刘怡钒 郭睿 闫思宇 张仁杰 陶传元 伍聪 肖安琪 李浩 马潞 李进 孙鸿 刘翼 贺民 王朝华 张昌伟 谢晓东 游潮
受保护的技术使用者：四川大学华西医院
技术研发日：2022.08.17
技术公布日：2022/11/29