The invention is applicable to the field of computer technology, and provides a model training method, device, equipment and medium for predicting nosocomial infection. The method includes: according to the first training sample set composed of the training sample of the first infection with nosocomial infection, using the generator generating the antagonistic network model to generate the corresponding second infection training sample, and according to the first training sample set. And the second training sample set consisting of the second infection training sample set, through the iterative training of Gauss process probability model for nosocomial infection prediction by active learning algorithm, until the prediction accuracy of Gauss process probability model meets the preset accuracy requirement through iterative training, thus improving the convergence speed of model training for nosocomial infection prediction, and improving nosocomial infection prediction. The accuracy of the prediction will enable doctors to defend patients against infection in time and reduce the financial and health losses caused by nosocomial infection.
【技术实现步骤摘要】
用于医院内感染预测的模型训练方法、装置、设备及介质
本专利技术属于计算机
,尤其涉及一种用于医院内感染预测的模型训练方法、装置、设备及介质。
技术介绍
医院内感染又称医院获得性感染或医院感染,是患者在入院48小时后发生在医院内的一切感染,全国二、三级医院感染的发生率基线约4-6%,而发生医院感染的后果可能会造成每年数十亿人民币的经济损失,患者病死率上升,间接的社会资源浪费更是不可估量。目前,对于住院病人院内感染的判断大多是出现了相应的症状之后,由主治医师初步判定,再由院各科做最后判定,以进行诊断,这种方式主要依靠医生的临床知识和经验,诊断效率低,且无法做到有效防范院内感染的发生,进而无法有效保障就医患者的人身和财产安全。
技术实现思路
本专利技术的目的在于提供一种用于医院内感染预测的模型训练方法、装置、设备及介质,旨在解决由于现有技术无法提供一种有效的用于医院内感染预测的模型,导致医院内感染预测的准确率低的问题。一方面,本专利技术提供了一种用于医院内感染预测的模型训练方法,所述方法包括下述步骤:从预设的医院信息系统中抽取患有院内感染的样本数据,得到对应的第一感染训练样本;根据由所述第一感染训练样本构成的第一训练样本集,使用预先训练好的生成对抗网络模型的生成器生成对应的第二感染训练样本;根据所述第一训练样本集和由所述第二感染训练样本构成的第二训练样本集,通过预设的主动学习算法对高斯过程概率模型进行院内感染预测的迭代训练,直至通过所述迭代训练使得所述高斯过程概率模型的预测精度值达到预设的精度要求。另一方面,本专利技术提供了一种用于医院内感染预测的模型训练装置 ...
【技术保护点】
1.一种用于医院内感染预测的模型训练方法,其特征在于,所述方法包括下述步骤:从预设的医院信息系统中抽取患有院内感染的样本数据,得到对应的第一感染训练样本;根据由所述第一感染训练样本构成的第一训练样本集,使用预先训练好的生成对抗网络模型的生成器生成对应的第二感染训练样本;根据所述第一训练样本集和由所述第二感染训练样本构成的第二训练样本集,通过预设的主动学习算法对高斯过程概率模型进行院内感染预测的迭代训练,直至通过所述迭代训练使得所述高斯过程概率模型的预测精度值达到预设的精度要求。
【技术特征摘要】
1.一种用于医院内感染预测的模型训练方法,其特征在于,所述方法包括下述步骤:从预设的医院信息系统中抽取患有院内感染的样本数据,得到对应的第一感染训练样本;根据由所述第一感染训练样本构成的第一训练样本集,使用预先训练好的生成对抗网络模型的生成器生成对应的第二感染训练样本;根据所述第一训练样本集和由所述第二感染训练样本构成的第二训练样本集,通过预设的主动学习算法对高斯过程概率模型进行院内感染预测的迭代训练,直至通过所述迭代训练使得所述高斯过程概率模型的预测精度值达到预设的精度要求。2.如权利要求1所述的方法,其特征在于,从预设的医院信息系统中抽取患有院内感染的样本数据的步骤,包括:将抽取出的所述样本数据进行预处理,得到所述第一感染训练样本。3.如权利要求1所述的方法,其特征在于,在通过预设的主动学习算法对高斯过程概率模型进行院内感染预测的迭代训练的步骤,包括:通过所述第一训练样本集对所述高斯过程概率模型进行院内感染预测训练,并记录院内感染预测训练后的所述高斯过程概率模型的预测精度值;当所述预测精度值未达到所述精度要求时,使用所述高斯过程概率模型对所述第二训练样本集中的每个第二感染训练样本进行院内感染预测,得到对应的院内感染概率;根据所述院内感染概率,使用预设的基于不确定性的样本选择策略从所述第二训练样本集中选择预设数量个第二感染训练样本;将选择出的所述第二感染训练样本加入所述第一训练样本集中,更新所述第一训练样本集,并相应的更新所述第二训练样本集。4.如权利要求3所述的方法,其特征在于,使用预设的基于不确定性的样本选择策略从所述第二训练样本集中选择预设数量个第二感染训练样本的步骤,包括:根据所述院内感染概率,使用预设的不确定性分数计算函数得到所述第二训练样本集中的每个第二感染训练样本对应的不确定性分数;根据预设的相似性分数计算函数计算所述每个第二感染训练样本与所述第一训练样本集中的每个第一感染训练样本的相似度,得到所述每个第二感染训练样本对应的相似性分数;根据所述不确定性分数和所述相似性分数,使用预设的综合分数计算函数得到所述每个第二感染训练样本对应的综合分数;根据所述综合分数,从所述第二训练样本集中选择预设数量个第二感染训练样本。5.一种用于医院内感染预测的模型训练装置,其特征在于,所述装置包括:第一样本抽取单元,用于从预设的医院信息系统中抽取患有院内感染的样本数据,得到对应的第一感染训练样本;第二样本生成单元,用于根据由所述第一感...
【专利技术属性】
技术研发人员:邓根强,祝苗苗,朱岁松,
申请(专利权)人:深圳市南山区人民医院,
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。