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！

龙图腾网获悉厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)申请的专利基于SHAP的糖尿病患者肠道准备质量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：CN121122679B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511648036.5，技术领域涉及：G16H50/20；该发明授权基于SHAP的糖尿病患者肠道准备质量预测方法是由洪宝娟;卢清乾;戴赟;纪淑娟;李秀梅设计研发完成，并于2025-11-12向国家知识产权局提交的专利申请。

本基于SHAP的糖尿病患者肠道准备质量预测方法在说明书摘要公布了：本发明公开了基于SHAP的糖尿病患者肠道准备质量预测方法，涉及医疗人工智能技术领域，包括以下步骤：收集糖尿病患者的临床特征数据，并对临床特征数据进行预处理；构建糖尿病患者肠道准备质量预测模型，以预处理后的临床特征数据作为模型输入，肠道准备合格率作为输出；引入SHAP可解释性人工智能框架对所述预测模型进行解析与归因。本发明提出的糖尿病患者肠道准备质量预测方法，通过整合多维度临床数据，运用集成学习算法构建预测模型，显著提升了预测的准确性和稳定性，突破了传统依赖医生经验的局限，减少了因个体差异和诊疗压力导致的判断不一致性，通过可视化工具展示特征间的相互作用，增强了模型的可解释性和透明度。

本发明授权基于SHAP的糖尿病患者肠道准备质量预测方法在权利要求书中公布了：1.基于SHAP的糖尿病患者肠道准备质量预测方法，其特征在于，包括以下步骤： 收集糖尿病患者的临床特征数据，并对临床特征数据进行预处理； 构建糖尿病患者肠道准备质量预测模型，以预处理后的临床特征数据作为模型输入，以肠道准备合格率作为输出；所述质量预测模型采用集成学习算法构建； 所述集成学习算法包括：基础学习器与集成策略，所述基础学习器选择梯度提升决策树、随机森林和极端梯度提升树，每种基础学习器均独立进行训练； 其中，梯度提升决策树的训练过程中，采用逐步添加弱学习器的方式，每个新增弱学习器均针对前一轮模型训练的残差进行拟合，学习率根据验证集准确率进行调整； 随机森林的训练过程中，采用bootstrap抽样方法从原始临床特征数据集中抽取多个子数据集，每个子数据集对应训练一棵决策树，决策树的构建过程中，每个节点分裂时仅从随机选取的部分临床特征中选择最优分裂特征； 极端梯度提升树的训练过程中，引入正则化项抑制模型过拟合，同时采用并行计算方式； 集成策略采用加权投票法，根据每个基础学习器在验证集上的预测准确率确定其权重，通过加权求和得到最终的预测模型输出结果； 引入SHAP可解释性人工智能框架对所述质量预测模型进行解析与归因； 所述SHAP可解释性人工智能框架的解析与归因过程包括：模型全局解析与个体预测归因； 模型全局解析通过计算所有临床特征的SHAP值绝对值的均值，确定各临床特征对预测结果的全局重要性排序； 个体预测归因通过计算单个患者各临床特征的SHAP值，SHAP值的正负表示该临床特征对该患者肠道准备合格预测结果的促进或抑制作用，SHAP值的绝对值表示该作用的强度； 在解析过程中，SHAP框架通过构建特征依赖图展示单个临床特征与预测结果之间的非线性关系，同时通过交互效应图分析两个临床特征之间的协同作用对预测结果的影响； 通过所述质量预测模型输出糖尿病患者肠道准备合格预测结果，通过SHAP框架定量输出各临床特征对个体预测结果的影响程度； 所述临床特征数据包括：患者的生理指标数据、用药相关数据、疾病病程数据及肠道准备相关数据； 所述生理指标数据包括：血糖相关指标、肝肾功能指标、电解质水平和身体质量指数； 所述用药相关数据包括：糖尿病治疗药物的种类、用药剂量、用药时长和肠道准备药物的使用情况； 所述疾病病程数据包括：糖尿病确诊时长、并发症发生情况和疾病控制情况； 所述肠道准备相关数据包括：肠道准备开始时间、准备过程中的饮食控制情况和排便情况。

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厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)，其通讯地址为：361000 福建省厦门市思明区镇海路上古街10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。