一种数据处理系统、方法、装置及存储介质制造方法及图纸

本申请实施例公开了一种数据处理系统、方法、装置及存储介质，应用于医疗技术领域，该数据处理系统系统包括存储设备和终端设备，存储设备，用于存储至少一个患者与目标疾病关联的各时序数据集；终端设备，用于从存储设备中获取目标患者的目标时序数据集，并通过目标疾病复发预测模型依照该目标时序数据集确定目标患者复发目标疾病的预测结果，有利于提高确定目标患者复发目标疾病的预测结果的准确性。本申请涉及区块链技术，如可将患者的时序数据集写入区块链中，以用于确定目标患者复发目标疾病的预测结果等场景下。

【技术实现步骤摘要】
一种数据处理系统、方法、装置及存储介质
本申请涉及数据分析
，具体应用于医疗
，具体涉及一种数据处理系统、一种数据处理方法、一种数据处理装置、一种终端设备及一种计算机可读存储介质。
技术介绍
在医疗
，患有某种疾病（即目标疾病）的患者在治愈后仍然存在复发可能，若患者不提前预防，复发的概率会增大。准确地预测目标疾病的复发非常重要，可以为临床医生提供决策支持，提前预防和有针对性地给予治疗方案。可见，如何准确地预测目标患者复发目标疾病的可能性，成为一个亟待解决的问题。
技术实现思路
本申请实施例提供了一种数据处理系统、方法、装置及存储介质，可以提高确定目标患者复发目标疾病的预测结果的准确性。本申请实施例第一方面提供了一种数据处理系统，其特征在于，该系统包括存储设备和终端设备，其中：所述存储设备，用于存储至少一个患者与目标疾病关联的各时序数据集，任一患者的时序数据集包括所述任一患者在各时间节点与所述目标疾病关联的疾病统计数据；所述终端设备，用于从所述存储设备存储的所述各时序数据集中获取目标患者的目标时序数据集，所述目标时序数据集包括所述目标患者在n个时间节点与所述目标疾病关联的n个目标疾病统计数据，n为大于1的整数；其中，所述n个时间节点中的第t个时间节点对应所述n个目标疾病统计数据中的第t个目标疾病统计数据xt，t[1，n]；所述终端设备，还用于将所述目标时序数据集输入目标疾病复发预测模型，所述目标疾病复发预测模型中包括n个特征处理模块，所述n个特征处理模块中的第t特征处理模块用于对第t个目标疾病统计数据xt进行特征提取，得到第t特征信息ht；所述终端设备，还用于调用所述目标疾病复发预测模型中的第m特征处理模块对输入所述第m特征处理模块的目标疾病统计数据xm和第m-1特征处理模块输出的第m-1特征信息hm-1进行词嵌入，并基于词嵌入结果确定并输出第m特征信息hm，m[2，n]；依照所述n个特征处理模块中第n特征处理模块输出的第n特征信息hn确定所述目标患者复发所述目标疾病的预测结果；其中，第1特征信息h1是根据第1个目标疾病统计数据x1确定的。本申请实施例第二方面提供了一种数据处理方法，包括：获取目标患者的目标时序数据集，所述目标时序数据集包括所述目标患者在n个时间节点与所述目标疾病关联的n个目标疾病统计数据，n为大于1的整数；其中，所述n个时间节点中的第t个时间节点对应所述n个目标疾病统计数据中的第t个目标疾病统计数据xt，t[1，n]；将所述目标时序数据集输入目标疾病复发预测模型，所述目标疾病复发预测模型中包括n个特征处理模块，所述n个特征处理模块中的第t特征处理模块用于对第t个目标疾病统计数据xt进行特征提取，得到第t特征信息ht；调用所述目标疾病复发预测模型中的第m特征处理模块对输入所述第m特征处理模块的目标疾病统计数据xm和第m-1特征处理模块输出的第m-1特征信息hm-1进行词嵌入，并基于词嵌入结果确定并输出第m特征信息hm，m[2，n]；依照所述n个特征处理模块中第n特征处理模块输出的第n特征信息hn确定所述目标患者复发所述目标疾病的预测结果；其中，第1特征信息h1是根据第1个目标疾病统计数据x1确定的。本申请实施例第三方面提供了一种数据处理装置，包括：获取模块，用于获取目标患者的目标时序数据集，所述目标时序数据集包括所述目标患者在n个时间节点与所述目标疾病关联的n个目标疾病统计数据，n为大于1的整数；其中，所述n个时间节点中的第t个时间节点对应所述n个目标疾病统计数据中的第t个目标疾病统计数据xt，t[1，n]；处理模块，用于将所述目标时序数据集输入目标疾病复发预测模型，所述目标疾病复发预测模型中包括n个特征处理模块，所述n个特征处理模块中的第t特征处理模块用于对第t个目标疾病统计数据xt进行特征提取，得到第t特征信息ht；所述处理模块，还用于调用所述目标疾病复发预测模型中的第m特征处理模块对输入所述第m特征处理模块的目标疾病统计数据xm和第m-1特征处理模块输出的第m-1特征信息hm-1进行词嵌入，并基于词嵌入结果确定并输出第m特征信息hm，m[2，n]；所述处理模块，还用于依照所述n个特征处理模块中第n特征处理模块输出的第n特征信息hn确定所述目标患者复发所述目标疾病的预测结果；其中，第1特征信息h1是根据第1个目标疾病统计数据x1确定的。本申请实施例第四方面提供了一种终端设备，包括处理器和存储器，所述处理器和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序，所述处理器被配置用于调用所述程序，执行上述第一方面所述的方法。本申请实施例第五方面提供了一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面所述的方法。在本申请实施例中，可将目标时序数据集输入目标疾病复发预测模型，调用目标疾病复发预测模型中的第m特征处理模块对输入第m特征处理模块的目标疾病统计数据xm和第m-1特征处理模块输出的第m-1特征信息hm-1进行词嵌入，并基于词嵌入结果确定并输出第m特征信息hm，m[2，n]。进一步地，可依照n个特征处理模块中第n特征处理模块输出的第n特征信息hn确定目标患者复发目标疾病的预测结果。采用这样的方式，使得目神经网络关注目标时序数据集中各时间节点的疾病统计数据之间前后的联系，有利于提高确定目标患者复发目标疾病的预测结果的准确性。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述的附图仅仅是本申请的一些实施例，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。图1是本申请实施例提供的一种数据处理系统的架构示意图；图2是本申请实施例提供的一种数据处理方法的流程示意图；图3是本申请实施例提供的一种目标疾病复发预测模型的结构示意图；图4是本申请实施例提供的另一种目标疾病复发预测模型的结构示意图；图5是本申请实施例提供的又一种目标疾病复发预测模型的结构示意图；图6是本申请实施例提供的一种数据处理装置的结构示意图；图7是本申请实施例提供的一种终端设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请本文档来自技高网...

【技术保护点】
1.一种数据处理系统，其特征在于，该系统包括存储设备和终端设备，其中：/n所述存储设备，用于存储至少一个患者与目标疾病关联的各时序数据集，任一患者的时序数据集包括所述任一患者在各时间节点与所述目标疾病关联的疾病统计数据；/n所述终端设备，用于从所述存储设备存储的所述各时序数据集中获取目标患者的目标 时序数据集，所述目标时序数据集包括所述目标患者在n个时间节点与所述目标疾病关联 的n个目标疾病统计数据，n为大于1的整数；其中，所述n个时间节点中的第t个时间节点对 应所述n个目标疾病统计数据中的第t个目标疾病统计数据x

【技术特征摘要】
1.一种数据处理系统，其特征在于，该系统包括存储设备和终端设备，其中：
所述存储设备，用于存储至少一个患者与目标疾病关联的各时序数据集，任一患者的时序数据集包括所述任一患者在各时间节点与所述目标疾病关联的疾病统计数据；
所述终端设备，用于从所述存储设备存储的所述各时序数据集中获取目标患者的目标
时序数据集，所述目标时序数据集包括所述目标患者在n个时间节点与所述目标疾病关联
的n个目标疾病统计数据，n为大于1的整数；其中，所述n个时间节点中的第t个时间节点对
应所述n个目标疾病统计数据中的第t个目标疾病统计数据xt，t[1，n]；
所述终端设备，还用于将所述目标时序数据集输入目标疾病复发预测模型，所述目标疾病复发预测模型中包括n个特征处理模块，所述n个特征处理模块中的第t特征处理模块用于对第t个目标疾病统计数据xt进行特征提取，得到第t特征信息ht；
所述终端设备，还用于调用所述目标疾病复发预测模型中的第m特征处理模块对输入
所述第m特征处理模块的目标疾病统计数据xm和第m-1特征处理模块输出的第m-1特征信息
hm-1进行词嵌入，并基于词嵌入结果确定并输出第m特征信息hm，m[2，n]，依照所述n个特
征处理模块中第n特征处理模块输出的第n特征信息hn确定所述目标患者复发所述目标疾
病的预测结果；其中，第1特征信息h1是根据第1个目标疾病统计数据x1确定的。


2.根据权利要求1所述的系统，其特征在于，所述n个特征处理模块包括n个循环神经网络细胞掩组和n个隐含层，所述n个循环神经网络细胞掩组中的第t循环神经网络细胞掩组和所述n个隐含层中的第t隐含层一一对应，所述t=m，所述终端设备，还具体用于：
通过所述第t循环神经网络细胞掩组对输入所述第t循环神经网络细胞掩组的目标疾
病统计数据xt和第t-1隐含层输出的第t-1特征信息ht-1进行词嵌入，得到所述第t循环神经
网络细胞掩组对应的第t记忆细胞；更新所述第t记忆细胞得到第t目标记忆细胞
Ct，并将所述第t目标记忆细胞Ct输入所述第t循环神经网络细胞掩组对应的第t隐含层；
通过第t隐含层对所述第t目标记忆细胞Ct进行特征压缩，得到并输出第t特征信息ht。


3.根据权利要求2所述的系统，其特征在于，所述终端设备，具体用于调用所述第t循环
神经网络细胞掩组根据遗忘门函数和输入门函数更新所述第t记忆细胞，得到第t目标
记忆细胞Ct。


4.根据权利要求2所述的系统，其特征在于，所述终端设备，具体用于调用第t隐含层依照输出门函数对所述第t目标记忆细胞Ct输入的所述第t目标记忆细胞Ct进行特征压缩，得到并输出第t特征信息ht。


5.根据权利要求2所述的系统，其特征在于，所述目标疾病复发预测模型还包括注意力
机制层，所述终端设备，还用于通过注意力机制层对输入所述注意力机制层的第t特征信息
ht进行解析，基于解析结果确定所述第t特征信息ht对应的第t目标权重wt，将所述第t特征
信息ht更新为ht*wt，并将所述ht*wt输入第t+1循环神经网络细胞掩组；调用第t+1循环神经
网络细胞掩组对输入所述第t+1循环神经网络细胞掩组的...

【专利技术属性】
技术研发人员：贾文笑，
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