买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市疾病预防控制中心(深圳市卫生监督局、深圳市卫生检验中心、深圳市预防医学研究所)申请的专利基于随机森林的精液质量预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119889726B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510334650.8，技术领域涉及：G16H50/70；该发明授权基于随机森林的精液质量预测方法及系统是由刘佩意;袁冠湘;杨晨;赵舒杰;任晓虎;杨细飞设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本基于随机森林的精液质量预测方法及系统在说明书摘要公布了：本发明公开了一种基于随机森林的精液质量预测方法及系统，所述方法包括：获取不同精液的代谢物数据样本，并对所述代谢物数据样本进行预处理，得到预处理后的代谢物数据样本；基于预设的多维度筛选标准对预处理后的代谢物数据样本进行分析，确定与精液质量异常相关的差异特征；采用预设的特征筛选算法对差异特征进行筛选和评估，依据预设的优化指标确定符合精液质量预测要求的核心特征子集；基于所述核心特征子集，对预先构建的基于随机森林算法的精液质量预测模型进行训练；使用训练好的精液质量预测模型对待测精液的代谢物数据进行质量预测，得到精液质量预测结果。本发明能够提高对精液质量预测的准确性。

本发明授权基于随机森林的精液质量预测方法及系统在权利要求书中公布了：1.一种基于随机森林的精液质量预测方法，其特征在于，包括以下步骤： 获取不同精液的代谢物数据样本，并对所述代谢物数据样本进行预处理，得到预处理后的代谢物数据样本；所述代谢物数据样本是预先对不同精液进行检测分析得到； 基于预设的多维度筛选标准对预处理后的代谢物数据样本进行分析，确定与精液质量异常相关的差异特征； 采用预设的特征筛选算法对差异特征进行筛选和评估，依据预设的优化指标确定符合精液质量预测要求的核心特征子集； 基于所述核心特征子集，对预先构建的基于随机森林算法的精液质量预测模型进行训练； 使用训练好的精液质量预测模型对待测精液的代谢物数据进行质量预测，得到精液质量预测结果； 所述采用预设的特征筛选算法对差异特征进行筛选和评估，依据预设的优化指标确定符合精液质量预测要求的核心特征子集，包括： 构建包含最小化预测误差和L1正则化项的损失函数： ，为样本数量；为特征数量；为截距；为第j个特征的回归系数；为第i个样本中第j个特征的取值；为第i个样本的响应变量；为正则化超参数，控制惩罚的强度；其中，最小化预测误差用于衡量模型拟合的好坏，正则化通过对回归系数的绝对值加权惩罚，使不重要的特征的系数趋近于零甚至精确为零；当较大时，惩罚作用更强，大量特征会被剔除，模型更为稀疏；当=0时，Lasso回归退化为普通线性回归；Lasso的正则化约束使得特征选择通过求解一个带约束的优化问题完成： ； 其中是一个由决定的常数；通过几何解释，正则化的约束是一个菱形约束区域，其尖锐角落倾向于使回归系数为0； 在训练过程中，动态调整回归系数，使得不相关的差异特征的系数收缩到零，而相关特征的系数保持较大的绝对值，最终仅保留对响应变量有预测能力的差异特征，将所述最终仅保留对相应变量有预测能力的差异特征构成为差异特征集合，并通过交叉验证选择最优的正则化参数入，以在模型稀疏性和预测能力之间达到平衡； 输入所述差异特征集合和响应变量，其中差异特征集合包括通过OPLS-DA、Wilcoxon符号秩检验和差异倍数分析筛选出的显著差异代谢物；响应变量为精液质量预测模型对精液质量预测的分类标签； 使用支持向量机算法，基于当前的差异特征集合和响应变量训练分类器，构建最优分类决策面，所述分类决策面用于区分不同类别的精液质量样本； 通过支持向量机模型计算每个差异特征的权重向量，所述权重向量表示每个差异特征对分类决策面的贡献大小，权重绝对值越大，表示该特征对分类的贡献越大； 根据权重向量，评估每个差异特征的重要性，所述重要性通过权重向量的绝对值衡量，移除权重最小的差异特征；特征重要性由以下公式定义：；是第个特征的权重； 更新差异特征集合，并重复训练支持向量机分类器、计算特征重要性和移除权重最小的差异特征的过程，直到剩余的差异特征达到预定数量； 输出最终的核心特征子集，所述核心特征子集包括对精液质量预测贡献最大的差异特征； 所述基于所述核心特征子集，对预先构建的基于随机森林算法的精液质量预测模型进行训练，包括： 从所述核心特征子集构建出全新的训练集和测试集； 使用构建好的新训练集来训练作为精液质量预测模型的随机森林模型；在训练过程中，通过样本随机采样从训练集中有放回地抽取样本，构建多个不同的训练子集，增加样本的多样性；并通过特征随机采样在每次构建决策树时，随机选择部分特征进行训练，降低模型复杂度；同时通过调整模型的特定超参数来优化模型的性能；特定超参数包括随机森林模型的决策树数量和最大深度； 将测试集中的样本数据输入到经过训练的随机森林模型中，随机森林模型基于学习到的核心特征与精液质量的关联模式，对每个测试样本进行精液质量的预测，输出相应的预测结果； 采用10折交叉验证方法评估随机森林模型在训练集上的性能表现，并评估随机森林模型的灵敏度、特异性和AUC值；AUC值通过构建ROC曲线计算所得：。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市疾病预防控制中心(深圳市卫生监督局、深圳市卫生检验中心、深圳市预防医学研究所)，其通讯地址为：518000 广东省深圳市南山区龙苑路8号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。