本技术属于神经网络模型技术领域,旨在提供一种慢性肾病风险评估模型及其应用系统。该方法通过收集待筛查患者的年龄和预设检测因素下的相关指标,利用神经网络技术构建风险评估模型,实现对慢性肾病风险的快速准确筛查。
背景技术
随着科技的发展,神经网络模型的应用越来越广泛,比如,可以应用于慢性肾病(Chronic Kidney Disease,CKD)风险筛查。其中,神经网络模型是比较常见的建模模型。在神经网络模型的应用过程中,若输入神经网络模型的是多个因素特征,则由于每个因素特征的重要程度往往不同,所以往往需要为每个因素特征设置一个初始化权重。目前,在神经网络模型的应用过程中,往往会将生成的多个随机数,依次作为每个因素在神经网络模型中的初始化权重。
然而,若用于慢性肾病风险筛查的神经网络模型在应用过程中,将生成的多个随机数,依次作为每个检测因素在神经网络模型中的初始化权重,则经常会存在如下技术问题:
由于生成的随机数往往并不能表征不同检测因素对于慢性肾病风险筛查结果真实的重要程度,所以,使用随机数作为检测因素在神经网络模型中的初始化权重,可能导致神经网络模型的收敛速度较差,从而导致神经网络模型筛查的效率较差。
实现思路