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！

龙图腾网获悉西安医学院第一附属医院申请的专利一种慢性病治疗费用预测方法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：CN119809736B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202411879859.4，技术领域涉及：G06Q30/0283；该发明授权一种慢性病治疗费用预测方法是由王敏雯;崔洁;李瑛设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种慢性病治疗费用预测方法在说明书摘要公布了：本发明公开了一种慢性病治疗费用预测方法，包括：设置数据采集规则，基于数据采集规则获取多源慢性病医疗数据；基于多源慢性病医疗数据获得规范化医疗数据集；基于专家意见与规范化医疗数据集获得优化特征集合；基于递归特征消除与正则化处理优化特征集合，获得最优特征子集；基于最优特征子集获得最终数据集；采用最终数据集分别对若干个候选模型进行训练，获得最优模型集合；基于最优模型集合获得慢性病治疗费用预测值。本发明能够实现准确预测慢性病治疗费用，为医保控费和医疗决策提供有力支撑，具有重要的实用价值和社会效益。

本发明授权一种慢性病治疗费用预测方法在权利要求书中公布了：1.一种慢性病治疗费用预测方法，其特征在于，包括以下步骤： 设置数据采集规则，基于所述数据采集规则获取多源慢性病医疗数据；基于所述多源慢性病医疗数据获得规范化医疗数据集； 获得规范化医疗数据集的过程包括： 采用关联规则挖掘算法分析多源慢性病医疗数据获得慢性病与治疗费用的关联关系；根据多源慢性病医疗数据中的病史记录、诊疗方案、用药情况和检查结果属性，构建患者医疗画像，以从整体上把握患者病情的发展趋势和费用变化；根据多源慢性病医疗数据中的医疗数据和电子病历属性，采用自然语言处理技术，获得结构化补充数据；通过自然语言处理，能从海量的病历文本中挖掘出关键信息；其中，分析关联关系前对所述多源慢性病医疗数据进行数据清洗； 基于专家意见与所述规范化医疗数据集获得优化特征集合；基于递归特征消除与正则化处理所述优化特征集合，获得最优特征子集； 其中，获得最优特征子集的过程包括： 采用递归特征消除算法，通过递归地构建模型，每次递归消除预设数量不符合要求的特征，获得第一特征子集；采用正则化方法，在损失函数中引入正则化项，通过控制正则化参数，消除不符合预设条件的特征系数，得到第二特征子集；若第一特征子集与所述第二特征子集一致，则确定为最优特征子集；若不一致，则将所述第一特征子集与所述第二特征子集进行合并，通过交叉验证获得最优特征子集； 基于最优特征子集获得最终数据集，具体包括： 基于最优特征子集获取慢性病患者的历史治疗费用和特征数据集，获得初始数据集；对所述初始数据集进行数据清洗；根据业务知识和数据分析结果对数据清洗后的初始数据集进行筛选，采用特征选择算法筛选出与治疗费用相关性符合要求的特征，获得最终数据集； 采用所述最终数据集分别对若干个候选模型进行训练，获得最优模型集合； 获得最优模型集合的过程包括： 将最终数据集按照6:2:2的比例划分为训练集、验证集和测试集；采用训练集对若干个候选模型进行训练；基于验证集与网格搜索法对若干个训练后的候选模型进行超参数寻优；将测试集输入至经过超参数寻优的候选模型，获得预测结果，以线性回归模型为基准模型，对候选模型的性能进行评估，判断是否超过预测误差阈值，若超过则继续优化候选模型； 基于最优模型集合获得慢性病治疗费用预测值； 还包括：基于预设时间间隔与最优特征子集获取更新的多源慢性病医疗数据，作为增量数据集；对所述增量数据集进行异常值和缺失值处理后，进行格式转换输入至最优模型中，通过前向传播计算模型的预测输出与真实费用之间的误差；根据计算得到的误差，采用梯度下降算法，计算模型参数的梯度方向，并按照设定的学习率更新模型参数，直至模型在所述增量数据集上的预测误差收敛到预设的阈值以下或达到最大迭代次数。

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西安医学院第一附属医院，其通讯地址为：710077 陕西省西安市莲湖区沣镐西路48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。