The embodiment of the present invention discloses a disease prediction method and device based on Intelligent decision-making, in which the disease prediction method based on intelligent decision-making includes: obtaining the treatment data corresponding to the unique codes of the desensitized patients from the medical database, establishing a time series data matrix according to the treatment data, and selecting a time series model for Disease prediction according to the data characteristics of the time series data matrix. According to the time series model, the disease of patients was predicted, and the disease prediction results were obtained. According to the present invention, the patient's medical data are processed, and the suitable time series model is selected. Finally, according to the medical data and time series model, the patient's disease is predicted, the accuracy of disease prediction is improved, and the guidance for disease prevention and treatment is provided.
【技术实现步骤摘要】
一种基于智能决策的疾病预测方法和装置
本专利技术涉及数据处理领域,具体涉及一种基于智能决策的疾病预测方法和装置。
技术介绍
现代的医疗方法是通过早期干预来预防疾病而不是在诊断后进行治疗,这样可以很大程度上将患者从疾病中解放出来。传统上,医师或医生使用风险计算器来评估疾病发展的可能性,具体包括使用人口统计学、医疗条件、生活常规等基本信息来计算发展某种疾病的可能性。这个评估过程只考虑很少的变量,如年龄、体重、身高、性别等,但是疾病预测过程中,所涉及到的变量远远不止这些变量。因此,传统的预测方法使得疾病预测的准确率十分低,并且不能表现出疾病与时间的密切关系,进而对医疗预防提供指导。如何全方位考虑疾病发展过程中涉及到的多种变量,并将这些变量运用到疾病预测过程中,获得高准确度的疾病预测结果,是亟待解决的问题。
技术实现思路
本专利技术实施例提供一种基于智能决策的疾病预测方法和装置,能够通过对患者医疗数据进行处理,选取适合的时间序列模型,最后根据医疗数据和时间序列模型,对患者进行疾病预测,能够提升疾病预测准确度,对患者的疾病预防和治疗提供指导。本专利技术实施例的第一方面提供了一种基于智能决策的疾病预测方法,所述基于智能决策的疾病预测方法包括:从医疗数据库获取脱敏后的患者唯一编码对应的治疗数据,并根据所述治疗数据建立时序数据矩阵;根据所述时序数据矩阵的数据特点,选取用于疾病预测的时间序列模型;根据所述时间序列模型对所述患者的疾病进行预测,获得所述患者的疾病预测结果。在可选的情况下,所述根据所述时序数据矩阵的数据特点,选取用于疾病预测的时间序列模型,包括:确定所述时序数据矩阵 ...
【技术保护点】
1.一种基于智能决策的疾病预测方法,其特征在于,所述方法包括:从医疗数据库获取脱敏后的患者唯一编码对应的治疗数据,并根据所述治疗数据建立时序数据矩阵;根据所述时序数据矩阵的数据特点,选取用于疾病预测的时间序列模型;根据所述时间序列模型对所述患者的疾病进行预测,获得所述患者的疾病预测结果。
【技术特征摘要】
1.一种基于智能决策的疾病预测方法,其特征在于,所述方法包括:从医疗数据库获取脱敏后的患者唯一编码对应的治疗数据,并根据所述治疗数据建立时序数据矩阵;根据所述时序数据矩阵的数据特点,选取用于疾病预测的时间序列模型;根据所述时间序列模型对所述患者的疾病进行预测,获得所述患者的疾病预测结果。2.根据权利要求1所述的方法,其特征在于,所述根据所述时序数据矩阵的数据特点,选取用于疾病预测的时间序列模型,包括:确定所述时序数据矩阵是否平稳;若否,则对所述时序数据矩阵进行预处理,获得平稳化的时序数据矩阵;根据所述平稳化的时序数据矩阵的特点确定其对应阶数;采用特定的ARIMA模型与所述平稳化的时序数据矩阵进行模型拟合,获得最佳ARIMA模型,作为用于疾病预测的时间序列模型。3.根据权利要求2所述的方法,其特征在于,在所述根据所述时间序列模型对所述患者的疾病进行预测之前,所述方法还包括:获得用于测试和验证的治疗数据,建立测试集时序数据矩阵和验证集时序数据矩阵;将所述测试集时序数据矩阵导入所述最佳ARIMA模型中,获得预测结果;将所述预测结果与所述验证集时序数据矩阵进行对比,获得模型预测偏差,所述模型预测偏差包括决定系数或贝叶斯信息准则;若所述模型预测偏差小于预设偏差阈值,则确定使用所述最佳ARIMA模型作为用于疾病预测的时间序列模型。4.根据权利要求3所述的方法,其特征在于,所述根据所述治疗数据建立时序数据矩阵,包括:将所述治疗数据进行特征提取,获得其中的患者身体状况信息;将所述患者身体状况信息按照时间进行记录,获得时序数据;获取所述患者身体状况信息对应的医生治疗信息,结合所述时序数据,获得时序数据矩阵。5.根据权利要求4所述的方法,其特征在于,所述将所述患者身体状况按照时间进行记录,包括:将所述患者身体状况信息与多种疾病信息中的每种疾病信息进行匹配,获得与所述每...
【专利技术属性】
技术研发人员:王伟,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。