传染病疾病状态预测方法及装置、存储介质、电子设备制造方法及图纸

本公开属于数据处理技术领域，涉及一种传染病疾病状态预测方法及装置、存储介质、电子设备。该方法包括：获取传染病患者在预设时间段内的历史检测数据，并利用历史检测数据构建在预设时间段内的时序数据；计算历史检测数据的重要度，并计算历史检测数据的标准互信息；利用重要度和标准互信息在时序数据中确定目标检测数据，并重构目标检测数据得到待预测数据；将待预测数据输入至双向长短期记忆网络模型，以使双向长短期记忆网络模型输出传染病患者的疾病状态概率。本公开保留了检测数据的动态变化信息，保证了对疾病状态概率预估的准确性和高效性，发挥了长短期记忆网络模型的稳定性，为医护人员的医疗决策提供了强有力的保障。

【技术实现步骤摘要】
传染病疾病状态预测方法及装置、存储介质、电子设备
本公开涉及数据处理
，尤其涉及一种传染病疾病状态预测方法与传染病疾病状态预测装置、计算机可读存储介质及电子设备。
技术介绍
由于以新冠肺炎为例的传染病具有一定的特殊性，传染病患者基本靠免疫力自愈。但是，当传染病患者进入重症阶段，免疫力很难再通过药物恢复，传染病患者也会进入危险的境地。常规的计算传染病患者转重症的概率模型是选取某一天的传染病患者的信息进行分析和建模，以整合得到传染病患者转重症的概率。除此之外，也可以应用常规的时序分析得到患者转重症的概率。但是，常规的转重症概率模型无法考虑到传染病患者动态的指标变化，缺乏时序信息也无法保证有更为精准的概率预估；而时序分析方式未经处理或增强，不容易学习出传染病患者转重症的规律，且预测效果较差。鉴于此，本领域亟需开发一种新的传染病疾病状态预测方法及装置。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。专利
技术实现思路
本公本文档来自技高网...

【技术保护点】
1.一种传染病疾病状态预测方法，其特征在于，所述方法包括：/n获取传染病患者在预设时间段内的历史检测数据，并利用所述历史检测数据构建在所述预设时间段内的时序数据；/n计算所述历史检测数据的重要度，并计算所述历史检测数据的标准互信息；/n利用所述重要度和所述标准互信息在所述时序数据中确定目标检测数据，并重构所述目标检测数据得到待预测数据；/n将所述待预测数据输入至双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率。/n

【技术特征摘要】
1.一种传染病疾病状态预测方法，其特征在于，所述方法包括：
获取传染病患者在预设时间段内的历史检测数据，并利用所述历史检测数据构建在所述预设时间段内的时序数据；
计算所述历史检测数据的重要度，并计算所述历史检测数据的标准互信息；
利用所述重要度和所述标准互信息在所述时序数据中确定目标检测数据，并重构所述目标检测数据得到待预测数据；
将所述待预测数据输入至双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率。


2.根据权利要求1所述的传染病疾病状态预测方法，其特征在于，所述将所述待预测数据输入至双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率，包括：
将所述待预测数据输入至注意力机制，以使所述注意力机制输出数据向量；
将所述数据向量输入至双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率。


3.根据权利要求2所述的传染病疾病状态预测方法，其特征在于，所述将所述数据向量输入至双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率，包括：
获取与所述数据向量对应的向量权重；其中，所述向量权重与所述预设时间段内的日期对应；
将所述数据向量和所述向量权重输入至所述双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率。


4.根据权利要求3所述的传染病疾病状态预测方法，其特征在于，所述将所述数据向量和所述向量权重输入至所述双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率，包括：
将所述数据向量和所述向量权重输入至多个双向长短期记忆网络模型，以使所述多个双向长短期记忆网络模型输出多个预测状态概率；
计算所述多个预测状态概率平均值，并确定所述平均值为所述传染病患者的疾病状态概率。


5.根据权利要求1所述的传染病疾病状态预测方法，其特征在于，所述重构所述目标检测数据得到待预测数据，包括：
在所...

【专利技术属性】
技术研发人员：焦晓康，
申请(专利权)人：医渡云北京技术有限公司，
类型：发明
国别省市：北京;11