数据处理方法、装置、介质及电子设备制造方法及图纸

本发明专利技术实施例提供了一种数据处理方法、装置、介质及电子设备，该数据处理方法包括：获取目标对象距离待预测时间点最近的n个时间点的目标肿瘤标志物含量；根据所述距离待预测时间点最近的n个时间点的目标肿瘤标志物含量，并利用训练完成的基于时间序列的深度学习模型，获取所述目标对象在所述待预测时间点的目标肿瘤标志物初始预测含量；其中，n为大于等于1的正整数。本发明专利技术实施例的技术方案能够通过训练好的基于时间序列的深度学习模型，自动预测在待预测时间点的目标肿瘤标志物的初始预测含量。

【技术实现步骤摘要】
数据处理方法、装置、介质及电子设备
本专利技术涉及电数据处理
，具体而言，涉及一种数据处理方法、装置、介质及电子设备。
技术介绍
癌症作为一个重要的健康问题，在发达国家已经成为了第二大致死病因，其致病原因主要与老龄化和人们的生活习惯密切相关。国际抗癌联盟指出，癌症如能及早发现和充分治疗，三分之一的癌症可以预防，三分之一的癌症患者可以完全治愈，但不幸的是80％的癌症患者错过了最佳诊断和治疗时机。因此，癌症早期风险预测和预防是战胜癌症的最佳方法。因此，需要一种新的数据处理方法、装置、介质和电子设备。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本专利技术实施例的目的在于提供一种数据处理方法、装置、介质及电子设备，进而至少在一定程度上克服相关技术中存在的至少一个或者全部的技术问题。本专利技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本专利技术的实践而习得。根据本公开的一个方面，提供一种数据处理方法，包括：获取目标对象距离待预测时间点最近的n个时间点的目标肿瘤标志物含量；根据所述距离待预测时间点最近的n个时间点的目标肿瘤标志物含量，并利用训练完成的基于时间序列的深度学习模型，获取所述目标对象在所述待预测时间点的目标肿瘤标志物初始预测含量；其中，n为大于等于1的正整数。在本公开的一种示例性实施例中，还包括：确定所述目标对象在所述待预测时间点的所述目标肿瘤标志物初始预测含量所属目标类别；获取所述目标类别的目标肿瘤标志物含量上限和下限。在本公开的一种示例性实施例中，还包括：获取所述目标对象在所述待预测时间点的目标年龄；根据所述目标年龄并利用训练完成的多项式模型，预测所述目标对象在所述待预测时间点的目标肿瘤标志物平均含量；根据所述目标对象在所述待预测时间点的目标肿瘤标志物平均含量，及所述所述目标类别的目标肿瘤标志物含量上限和下限，获取所述目标对象在所述待预测时间点的目标肿瘤标志物预测含量。在本公开的一种示例性实施例中，还包括：获得多个对象在各年龄的目标肿瘤标志物含量；根据所述多个对象在各年龄的目标肿瘤标志物含量，获得各年龄的目标肿瘤标志物平均含量；根据各年龄及对应的目标肿瘤标志物平均含量确定所述多项式模型的各系数。在本公开的一种示例性实施例中，还包括：判断所述目标肿瘤标志物预测含量是否为异常值；若所述目标肿瘤标志物预测含量为异常值，则发送患癌预警信息。在本公开的一种示例性实施例中，还包括：获取所述目标对象预定时间段内的目标肿瘤标志物含量并形成目标肿瘤标志物含量时间序列；通过所述目标肿瘤标志物含量时间序列训练所述深度学习模型。在本公开的一种示例性实施例中，通过所述目标肿瘤标志物含量时间序列训练所述深度学习模型，包括：将所述目标肿瘤标志物含量时间序列转化为二值向量时间序列；利用长度为n的滑动窗口且以步长为m在所述二值向量时间序列上滑动，形成N个二值矩阵；以每个二值矩阵最后一个时间点的下一个时间点对应的目标肿瘤标志物含量的二值向量作为每个二值矩阵的目标向量；将每个二值矩阵的目标向量作为标签，利用所述N个二值矩阵训练所述深度学习模型；其中，m和N均为大于等于1的正整数。在本公开的一种示例性实施例中，将所述目标肿瘤标志物含量时间序列转化为二值向量时间序列，包括：将连续的目标肿瘤标志物含量离散化为多个类别，每个类别包括目标肿瘤标志物含量上限和下限；根据所述多个类别及相应的目标肿瘤标志物含量上限和下限，将所述目标肿瘤标志物含量时间序列上每一个时间点对应的目标肿瘤标志物含量分别转化为二值向量，形成所述二值向量时间序列。根据本公开的一个方面，提供一种数据处理装置，包括：当前含量数据获取模块，配置为获取目标对象距离待预测时间点最近的n个时间点的目标肿瘤标志物含量；初始预测含量获取模块，配置为根据所述距离待预测时间点最近的n个时间点的目标肿瘤标志物含量，并利用训练完成的基于时间序列的深度学习模型中，获取所述目标对象在所述待预测时间点的目标肿瘤标志物初始预测含量；其中，n为大于等于1的正整数。根据本公开的一个方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的数据处理方法。根据本公开的一个方面，提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任一实施例所述的数据处理方法。本专利技术实施例提供的技术方案可以包括以下有益效果：在本专利技术的一些实施例所提供的技术方案中，一方面，通过将获取的目标对象的距离待预测时间点最近的n个时间点的目标肿瘤标志物含量输入至预先训练好的基于时间序列的深度学习模型，可以实现自动的、较为准确地预测所述目标对象在所述待预测时间点的目标肿瘤标志物初始预测含量；另一方面，可以将预测的所述目标肿瘤标志物初始预测含量应用于多种应用场景中，例如可以将其应用至癌症早期征兆的发现，从而有助于人们早发现早诊断早治疗，大大降低了人们的癌症恶化带来的身体和精神上的痛苦；再例如还可以将其应用至已经确诊患癌患者的癌症发展趋势监测过程中，通过预测癌症发展趋势能够更有利的帮助到癌症患者；再例如还可以将其应用于保险公司的核保过程中，通过分析被保险人的历史体检指标数据，预测被保险人的患癌风险，可以可以减少保险公司的理赔风险。在本专利技术的另一些实施例所提供的技术方案中，针对上述基于时间序列的深度学习模型预测的目标对象在待预测时间点的目标肿瘤标志物初始预测含量，还可以结合该目标对象的至少一个约束条件例如年龄、生活环境、生活地理区域、生活习惯、家族病史等对所述目标肿瘤标志物初始预测含量进行修正，从而获得目标肿瘤标志物最终预测含量，这样，可以进一步提高目标肿瘤标志物的预测准确性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1示意性示出了根据本专利技术的一个实施例的数据处理方法的流程图；图2示意性示出了根据本专利技术的再一个实施例的数据处理方法的流程图；图3示意性示出了图2中的步骤S220的一个实施例的流程图；图4示意性示出了图3中的步骤S221的一个实施例的流程图；图5示意性示出了根据本专利技术的又一个实施例的数据处理方法的流程图；图6示意性示出了根据本专利技术的另一个实施例的数据处理方法的流程图；图7示意性示出了根据本专利技术的再一个实施例的数据处理方法的流程图；图8示意性示出了根据本专利技术的一个实施例的数据处理装置的框图；图9示意性示出了根据本专利技术的另一个实施例的数据处理装置的框图；图10示出了适于用来实现本专利技术实施例的电子设备的计算机系统的结构示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本专利技术本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，包括：获取目标对象距离待预测时间点最近的n个时间点的目标肿瘤标志物含量；根据所述距离待预测时间点最近的n个时间点的目标肿瘤标志物含量，并利用训练完成的基于时间序列的深度学习模型，获取所述目标对象在所述待预测时间点的目标肿瘤标志物初始预测含量；其中，n为大于等于1的正整数。

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取目标对象距离待预测时间点最近的n个时间点的目标肿瘤标志物含量；根据所述距离待预测时间点最近的n个时间点的目标肿瘤标志物含量，并利用训练完成的基于时间序列的深度学习模型，获取所述目标对象在所述待预测时间点的目标肿瘤标志物初始预测含量；其中，n为大于等于1的正整数。2.根据权利要求1所述的数据处理方法，其特征在于，还包括：确定所述目标对象在所述待预测时间点的所述目标肿瘤标志物初始预测含量所属目标类别；获取所述目标类别的目标肿瘤标志物含量上限和下限。3.根据权利要求2所述的数据处理方法，其特征在于，还包括：获取所述目标对象在所述待预测时间点的目标年龄；根据所述目标年龄并利用训练完成的多项式模型，预测所述目标对象在所述待预测时间点的目标肿瘤标志物平均含量；根据所述目标对象在所述待预测时间点的目标肿瘤标志物平均含量，及所述所述目标类别的目标肿瘤标志物含量上限和下限，获取所述目标对象在所述待预测时间点的目标肿瘤标志物预测含量。4.根据权利要求3所述的数据处理方法，其特征在于，还包括：获得多个对象在各年龄的目标肿瘤标志物含量；根据所述多个对象在各年龄的目标肿瘤标志物含量，获得各年龄的目标肿瘤标志物平均含量；根据各年龄及对应的目标肿瘤标志物平均含量确定所述多项式模型的各系数。5.根据权利要求3所述的数据处理方法，其特征在于，还包括：判断所述目标肿瘤标志物预测含量是否为异常值；若所述目标肿瘤标志物预测含量为异常值，则发送患癌预警信息。6.根据权利要求1所述的数据处理方法，其特征在于，还包括：获取所述目标对象预定时间段内的目标肿瘤标志物含量并形成目标肿瘤标志物含量时间序列；通过所述目标肿瘤标志物含量时间序列训练所述深度学习模型。7.根据权利要求6所述的数据处理...

【专利技术属性】
技术研发人员：李忠伟，梁爽，霍文华，
申请(专利权)人：泰康保险集团股份有限公司，
类型：发明
国别省市：北京,11