(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111661572.0 (22)申请日 2021.12.31 (65)同一申请的已公布的文献号 申请公布号 CN 114005546 A (43)申请公布日 2022.02.01 (73)专利权人 四川大学华西医院 地址 610041 四川省成 都市国学巷37号 (72)发明人 周凌云　罗嘉庆　刘昌海　 (74)专利代理 机构 重庆强大凯创专利代理事务 所(普通合伙) 50217 代理人 冉剑侠 (51)Int.Cl. G16H 50/70(2018.01) G16H 50/20(2018.01) G06K 9/62(2022.01) (56)对比文件 CN 113539497 A,2021.10.2 2 CN 113362920 A,2021.09.07 CN 112890816 A,2021.0 6.04 CN 110088301 A,2019.08.02 CN 111983241 A,2020.1 1.24 KR 20190 000212 A,2019.01.02US 11056242 B1,2021.07.0 6 杨烨蔓.基 于情绪识别的心理分析应用的研 究与实现. 《中国优秀博硕士学位 论文全文数据 库(硕士) 信息科技 辑》 .中国学术期刊 （光盘版） 电子杂志社,2019,(第8 期),第I138-13 05页. Yin, H 等.Co ntingent valuati on of health and mo od impacts of PM2.5 i n Beijing, China. 《SCIENC E OF THE TOTAL ENVIRONM ENT》 .2018,第6 30卷第1269-1282页. 尹文俊 等.中国人群中造 影前造影剂肾病 预测模型的建立. 《2018年中国药理学会定量药 理学专业委员会学术 年会论文集》 .2018,第46 页. Roberts, H 等.The ef fect of short- term exposure to the natural enviro nment on depres sive mood: A systematic review and meta-analysis. 《ENVIRONM ENTAL RESEARCH》 .2019,第17 7卷第1-14页. (续) 审查员 罗希僖 (54)发明名称 一种基于随机森林模型特征空间拟合的病 情预测方法 (57)摘要 本发明涉及信息 分析预测技术领域， 公开了 一种基于随机森林模型特征空间拟合的病情预 测算法， 包括以下步骤： 步骤S1， 构建初始预测模 型并采集样 本数据， 从医疗系统大数据库中得到 病症的相关特征对象作为样本数据， 在样本数据 获取过程中， 对样本数据进行精细化处理得到第 一数据集合， 并将第一数据集合代入到初始模型 中； 步骤S2， 对第一数据集合的特征变量进行重 要性排序， 然后采用序列前向选择算法拟合初始 模型空间得到随机森林预测模型； 步骤S3， 采集用户数据， 将用户数据代入到随机森林预测模型 中得到预测结果。 本发明具有提高用户病情预测 准度的有益效果。 [转续页] 权利要求书2页 说明书8页 附图2页 CN 114005546 B 2022.05.03 CN 114005546 B (56)对比文件 杨意豪.甲亢病情发展预测模型的研究与应 用. 《中国优秀博硕士学位 论文全文数据库(硕 士) 医药卫 生科技辑》 .中国学术期刊 （光盘版） 电子杂志社,2020,(第3期),第E 065-22页.付梦莎.基于机器学习的ICU脓毒症诊断方 法及死亡风险预测. 《中国优秀博硕士学位 论文 全文数据库(硕士) 医药卫 生科技辑》 .中国学术 期刊 （光盘版） 电子杂志社,2021,(第8 期),第 E060-63页.2/2 页 2[接上页] CN 114005546 B1.一种基于随机森林模型 特征空间拟合的病情预测方法， 其特 征在于： 包括以下步骤: 步骤S1， 构建初始预测模型并采集样本数据， 从医疗系统大数据库中得到病症的相关 特征对象作为样本数据， 所述特征对 象包括心情类特征对 象和环境类特征对 象， 心情类特 征对象包括多巴胺含量、 乙酰胆碱含量和茶酚胺类物质含量， 环境类特征对象包括温度、 湿 度、 空气流通度和紫外线强度； 在样本数据获取过程中， 对样本数据进 行精细化处理得到第 一数据集合， 并将第一数据集合代入到初始模型中； 特征对象在获取时， 根据用户的病重情 况对特征对 象进行分级选择， 若用户没有明显病症， 则间隔固定时间段实时采集用户特征 对象的数据； 若用户已经确认患有病症， 则对用户进 行体验度分级和理化参数分级设置， 并 分不同的时间段采集数据； 体验度分级为， 根据用户的病症确诊 结果， 对用户的身体状况实 际感受进 行分级， 分为轻微、 一般、 严重这三个等级； 理化参数分级为， 根据用户病症的检查 结果， 对检测项的理化参数设置权重， 对于所有病症， 基于现有的用来判定确认这种病症的 所有参数统称为理化 参数； 步骤S2， 对第一数据集合的特征变量进行重要性排序， 然后采用序列前向选择算法拟 合初始模型空间得到随机森林 预测模型； 步骤S3， 采集用户数据， 将用户数据代入到随机森林 预测模型中得到预测结果。 2.根据权利要求1所述的一种基于随机森林模型特征空间拟合的病情预测方法， 其特 征在于： 所述对第一数据集 合的特征变量进行重要性 排序包括以下内容： 通过装袋技 术从样本数据中抽取样本作为子样本集； 从子样本集的特征空间中随机选择得到子样本特征空间， 并利用子样本特征空间训练 得到一个决策树； 计算第一袋外样本误差， 选择第j个特征， 并对变量重排序， 然后计算第二袋外样本误 差； 分别计算出所有特征变量的重要性， 并对所有特征变量的重要性标准化， 然后输出特 征变量重要性 排序。 3.根据权利要求1所述的一种基于随机森林模型特征空间拟合的病情预测方法， 其特 征在于： 所述采用序列前向选择算法拟合初始模型空间包括以下内容： 初始化特 征集合和剩余特 征集合， 并给定 评估函数； 从剩余特征集合中选择特征加入特征集合， 并利用评估函数进行评估， 若预测结果更 准确， 则将该 特征保留在特 征集合中， 反之则移除该 特征； 所有剩余特 征均处理完毕后， 输出最终特 征集合。 4.根据权利要求1所述的一种基于随机森林模型特征空间拟合的病情预测方法， 其特 征在于： 所述对样本数据进行精细化处理为， 根据用户的病重情况对特征对 象进行分级选 择， 若用户没有明显病症， 则间隔固定时间段实时采集用户特征对象的数据； 若用户已经确 认患有病症， 则对用户进行体验度分级和理化 参数分级设置， 并分不同的时间段采集数据。 5.根据权利要求4所述的一种基于随机森林模型特征空间拟合的病情预测方法， 其特 征在于： 所述体验度分级为， 根据用户的病症确诊 结果， 对用户的身体状况实际感受进行分 级。 6.根据权利要求4所述的一种基于随机森林模型特征空间拟合的病情预测方法， 其特 征在于： 所述理化参数分级为， 根据用户病症的检查结果， 对检测项的理化参数设置 分级区权　利　要　求　书 1/2 页 2 CN 114005546 B 3