少样本或零样本的疾病预测设备、方法、装置及存储介质制造方法及图纸

本发明专利技术实施例涉及医疗技术领域，公开了一种少样本或零样本的疾病预测设备、方法、装置及存储介质，该设备的处理器用于执行：获取与训练集中的历史诊疗数据和历史结局数据的医学知识图谱对应的图结构；将图结构中的初始表征向量输入图注意力神经网络模型得到第一表征向量；根据历史就诊记录的医疗项目和第一表征向量确定第二表征向量；将第一表征向量和第二表征向量输入循环神经网络模型得到历史表征向量，并根据将历史表征向量输入多层感知机模型得到的结局数据确定疾病预测模型；将待测试用户的目标医疗数据输入疾病预测模型得到待测试用户的预测结局数据，实现了对少样本或零样本疾病的预测。本发明专利技术涉及区块链技术，上述数据可存储于区块链中。

【技术实现步骤摘要】
少样本或零样本的疾病预测设备、方法、装置及存储介质
本专利技术涉及医疗
，尤其涉及一种少样本或零样本的疾病预测设备、方法、装置及存储介质。
技术介绍
疾病预测是基于用户的历史就诊信息判断将来可能发生的疾病风险。现有的数据驱动的机器学习方法可以有效构建历史信息表征用于预测任务。但医疗数据中往往容易出现数据量样本不足或不平衡的情况，即某些疾病的样本非常稀缺，甚至没有该疾病的样本，这就使得预测模型在训练过程中很难获取这类疾病的信息，从而在应用中几乎不会给出此类少样本或零样本疾病的正确预测结果。因此，如何更好地预测少样本或零样本疾病非常重要。
技术实现思路
本专利技术实施例提供了一种少样本或零样本的疾病预测设备、方法、装置及存储介质，可以实现对少样本或零样本疾病的预测，有助于提高疾病预测的准确率。第一方面，本专利技术实施例提供了一种少样本或零样本的疾病预测设备，所述设备包括：存储器和处理器；所述存储器，用于存储程序指令；所述处理器，用于调用所述程序指令，当所述程序指令被执行时，用于执行以下操作：本文档来自技高网...

【技术保护点】
1.一种少样本或零样本的疾病预测设备，其特征在于，所述设备包括：存储器和处理器；/n所述存储器，用于存储程序指令；/n所述处理器，用于调用所述程序指令，当所述程序指令被执行时，用于执行以下操作：/n获取训练集中每个用户的样本医疗数据，其中，所述样本医疗数据包括所述训练集中每个用户的历史诊疗数据和历史结局数据，所述历史诊疗数据包括n次历史就诊记录中的诊断数据、药物数据、检查数据、就诊时间中的一种或多种，所述历史结局数据包括n-1次历史就诊记录中的疾病诊断结果，n为大于或等于2的正整数；/n获取与所述历史诊疗数据和所述历史结局数据的医学知识图谱对应的图结构，并确定所述图结构中每个节点的初始表征向量...

【技术特征摘要】
1.一种少样本或零样本的疾病预测设备，其特征在于，所述设备包括：存储器和处理器；
所述存储器，用于存储程序指令；
所述处理器，用于调用所述程序指令，当所述程序指令被执行时，用于执行以下操作：
获取训练集中每个用户的样本医疗数据，其中，所述样本医疗数据包括所述训练集中每个用户的历史诊疗数据和历史结局数据，所述历史诊疗数据包括n次历史就诊记录中的诊断数据、药物数据、检查数据、就诊时间中的一种或多种，所述历史结局数据包括n-1次历史就诊记录中的疾病诊断结果，n为大于或等于2的正整数；
获取与所述历史诊疗数据和所述历史结局数据的医学知识图谱对应的图结构，并确定所述图结构中每个节点的初始表征向量；
将所述图结构中每个节点的初始表征向量输入图注意力神经网络模型，得到所述每个节点的第一表征向量；
根据所述每个用户的n次历史就诊记录所涉及的医疗项目和所述每个节点的第一表征向量，确定所述每个用户n次历史就诊记录的第二表征向量；
将所述每个用户的所述第一表征向量和所述第二表征向量输入循环神经网络模型，得到所述每个用户的历史表征向量，并将所述每个用户的历史表征向量输入多层感知机模型，得到所述每个用户的结局数据，并根据所述每个用户的结局数据训练所述多层感知机模型得到疾病预测模型；
获取待测试用户的目标医疗数据，并将所述待测试用户的目标医疗数据输入所述训练得到的疾病预测模型，得到所述待测试用户的预测结局数据。


2.根据权利要求1所述的设备，其特征在于，所述处理器获取与所述历史诊疗数据和所述历史结局数据的医学知识图谱对应的图结构时，具体用于：
获取与所述历史诊疗数据和所述历史结局数据对应的医学知识图谱；
将所述医学知识图谱转化为图结构，其中，所述图结构包括多条路径，每条路径由多个历史诊断数据的节点、一个历史结局数据的节点以及多条边组成；
所述处理器将所述图结构中每个节点的初始表征向量输入图注意力神经网络模型，得到所述每个节点的第一表征向量时，具体用于：
将所述图结构中的每条路径中每个节点的初始表征向量分别输入图注意力神经网络模型，得到所述每个节点的第一表征向量。


3.根据权利要求2所述的设备，其特征在于，所述处理器根据所述每个用户的n次历史就诊记录所涉及的医疗项目和所述每个节点的第一表征向量，确定所述每个用户n次历史就诊记录的第二表征向量时，具体用于：
获取所述每个用户的n次历史就诊记录所涉及的医疗项目对应的各个节点；
根据所述医疗项目对应的各个节点的第一表征向量确定所述医疗项目对应的项目表征向量；
根据所述每个用户的n次历史就诊记录所涉及的医疗项目的项目表征向量和所述每个节点的第一表征向量，确定所述每个用户n次历史就诊记录的第二表征向量。


4.根据权利要求3所述的设备，其特征在于，所述处理器获取所述每个用户的n次历史就诊记录所涉及的医疗项目对应的各个节点时，具体用于：
根据预设的诊疗数据与医疗项目的映射关系，确定与所述历史诊疗数据对应的医疗项目，所述医疗项目包括诊疗、手术、麻醉、检查、化疗中的一种或多种；
从所述图结构中获取与所述历史诊疗数据的医疗项目对应的一个或多个节点。


5.根据权利要求1所述的设备，其特征在于，所述处理器将所述每个用户的历史表征向量输入多层感知机模型，得到所述每个用户的结局数据时，具体用于：
将所述每个用户的历史表征向量输入多层感知机模型，得到所述每个用户的预测结果向量；
根据所述每个用户的预测结果向量与所述每个用户n-1次历史就诊记录中的疾病诊断结果的各节点对应的表征向量，确定所述每个用户的结局数据。


6.根据权利要求5所述的设备，其特征在于，所述处理器根据所述每个用户的预测结果向量与所述每个用户n-1次历史就诊记录...

【专利技术属性】
技术研发人员：徐啸，徐衔，孙瑜尧，刘小双，
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