疑似传染病预测方法及装置制造方法及图纸

本发明专利技术是关于一种疑似传染病预测方法及装置，方法包括：从医疗数据库中获取所有患者的电子病历信息和检查报告信息；利用每个患者的电子病历信息和检查报告信息以及第一多输入稠密化诊断模型进行训练，以得到二分类预测模型；利用每个患者的电子病历信息和检查报告信息以及第二多输入稠密化诊断模型进行训练，以得到多分类预测模型；获取目标患者的电子病历信息和检查报告信息；使用二分类预测模型预测目标患者是否是疑似传染病；当预测目标患者是疑似传染病时，使用多分类预测模型预测疑似传染病的具体类型。传染病的具体类型。传染病的具体类型。

【技术实现步骤摘要】
疑似传染病预测方法及装置


[0001]本专利技术涉及传染病预测
，尤其涉及一种疑似传染病预测方法及装置。

技术介绍

[0002]传染病一直伴随着人类的发展，严重威胁着人类的健康。尽管医学研究一直在进步，但传染病仍然是世界范围内造成死亡、疾病、残疾和社会经济动荡的主要原因。早期诊断预测，准确选择诊疗方案，提前进行干预，可以极大地影响传染病的治疗效果和预防控制。中国对传染病实行分类管理，目前的法定报告传染病分为甲、乙、丙3类，加上2020年新增的COVID
‑
19，共达40种之多。此外，还包括国家卫生健康委决定列入乙类、丙类传染病管理的其他传染病和按照甲类管理开展应急监测报告的其他传染病。针对不同类别传染病采用不同管理方式，甲类传染病需要在诊断2小时内报告至国家疾控中心，乙丙类需要在诊断的24小时内报告。传染病类型复杂，如何尽早做出准确的诊断是传染病防控过程中的重要环节。
[0003]目前将人工智能方法应用于疾病分类的研究较少，大多研究基于影像类数据，如X光、CT、核磁、心电图、超声等，Hannun等人使用深度神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种疑似传染病预测方法，其特征在于，所述方法包括：从医疗数据库中获取所有患者的电子病历信息和检查报告信息；利用每个患者的电子病历信息和检查报告信息以及第一多输入稠密化诊断模型进行训练，以得到二分类预测模型；利用每个患者的电子病历信息和检查报告信息以及第二多输入稠密化诊断模型进行训练，以得到多分类预测模型；获取目标患者的电子病历信息和检查报告信息；使用所述二分类预测模型预测所述目标患者是否是疑似传染病；当预测所述目标患者是疑似传染病时，使用所述多分类预测模型预测所述疑似传染病的具体类型。2.根据权利要求1所述的方法，其特征在于， 利用每个患者的电子病历信息和检查报告信息以及第一多输入稠密化诊断模型进行训练，以得到二分类预测模型，包括：第一多输入稠密化诊断模型根据每个患者的电子病历信息和检查报告信息，确定该患者的个人信息、门诊信息或住院信息和检查报告信息；根据所述患者的个人信息确定个人信息向量，根据所述门诊信息或住院信息确定诊疗向量，根据所述检查报告信息确定检查报告向量；将所述诊疗向量和检查报告向量分别进行自编码器处理，以得到对应的稠密诊疗向量和稠密检查报告向量；将所述个人信息向量、稠密诊疗向量和稠密检查报告向量进行合并和归一化处理，以得到输入向量；将所述输入向量输入自注意力层，以得到第一输出结果；将所述稠密诊疗向量、稠密检查报告向量和所述第一输出结果进行批归一化处理，得到第一处理结果；将所述第一处理结果输入前馈神经网络，输出神经网络计算结果；将所述第一处理结果和所述神经网络计算结果进行批归一化处理，得到第二处理结果；将所述第二处理结果输入sigmoid函数，以输出是否是疑似传染病的概率。3.根据权利要求1所述的方法，其特征在于，利用每个患者的电子病历信息和检查报告信息以及第二多输入稠密化诊断模型进行训练，以得到多分类预测模型，包括：第一多输入稠密化诊断模型根据每个患者的电子病历信息和检查报告信息，确定该患者的个人信息、门诊信息或住院信息和检查报告信息；根据所述患者的个人信息确定个人信息向量，根据所述门诊信息或住院信息确定诊疗向量，根据所述检查报告信息确定检查报告向量；将所述诊疗向量和检查报告向量分别进行自编码器处理，以得到对应的稠密诊疗向量和稠密检查报告向量；将所述个人信息向量、稠密诊疗向量和稠密检查报告向量进行合并和归一化处理，以得到输入向量；将所述输入向量输入自注意力层，以得到第一输出结果；将所述稠密诊疗向量、稠密检查报告向量和所述第一输出结果进行批归一化处理，得
到第一处理结果；将所述第一处理结果输入前馈神经网络，输出神经网络计算结果；将所述第一处理结果和所述神经网络计算结果进行批归一化处理，得到第二处理结果；将所述第二处理结果输入归一化指数函数，以输出疑似传染病的具体类型的预测值。4.根据权利要求2或3所述的方法，其特征在于，所述自编码器在优化过程中把所述诊疗向量和检查报告向量同时作为分类预测模型的输入和输出，通过最小化重构误差希望学习到对应的抽象特征表示Z矩阵，其中，对于不同类型的文书，构建的自编码器不同。5.根据权利要求1所述的方法，其特征在于，在利用每个患者的电子病历信息和检查报告信息进行模型训练之前，还包括：从所述每个患者的电子病历信息中获取电子病历文本数据；对所述电子病历文本数据进行序列标注和分词处理，并使用BiLSTM
‑ꢀ
CRF网络结构从中提取实体特征信息以及实体之间的关系，并通过独热编码对所述实体特征信息进行格式转化，以利用转化格式后的所述实体特征信息进行模型训练。6.一种疑似传染病预测装置，其特征在于，所述装置包括：第一获取模块，用于从医疗数据库中获取所有患者的电子病历信息和检查报告信息；第一训练模块，用于利用每...

【专利技术属性】
技术研发人员：王梦莹，计虹，孙震，胡可云，陈联忠，常凤香，魏振豪，朱声荣，王欣，
申请(专利权)人：北京嘉和海森健康科技有限公司，
类型：发明
国别省市：