风险预测模型的训练方法、装置、介质和计算设备制造方法及图纸

本发明专利技术的实施方式提供了一种风险预测模型的训练方法、装置、介质和计算设备。该方法包括：获取训练样本集，所述训练样本集中包括多个训练样本，每一训练样本至少包括某一个体的个人信息和风险等级，所述个人信息至少包括西医类型信息和中医类型信息；基于所述训练样本集对包括多个预测子模型的风险预测模型进行训练，所述训练至少包括使各个预测子模型拟合所述训练样本集，从而各个预测子模型能够输出符合预设目标的预测子结果的第一阶段训练；以及汇总各个预测子模型输出的预测子结果得到最终预测结果的第二阶段训练。本发明专利技术能够使风险预测模型在训练过程中参考较多的影响因素，从而提升风险预测模型对全体人群的疾病预测准确性。准确性。准确性。

【技术实现步骤摘要】
风险预测模型的训练方法、装置、介质和计算设备


[0001]本专利技术的实施方式涉及人工智能领域，更具体地，本专利技术的实施方式涉及一种风险预测模型的训练方法、装置、介质和计算设备。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]近年来，随着神经网络技术的快速发展，基于神经网络构建的风险预测模型可以用来对全体人群进行疾病风险评估，降低严重疾病带来的负担。然而，在实践中发现，现有的风险预测模型通常是基于已有的特定区域的病例信息构建的模型，风险预测模型构建过程中纳入参考的影响因素较少，因此，构建的风险预测模型对全体人群的疾病预测准确性较低。

技术实现思路

[0004]在本上下文中，本专利技术的实施方式期望提供一种风险预测模型的训练方法、装置、介质和计算设备。
[0005]在本专利技术实施方式的第一方面中，提供了一种风险预测模型的训练方法，包括：
[0006]获取训练样本集，所述训练样本集中包括多个训练样本，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险预测模型的训练方法，包括：获取训练样本集，所述训练样本集中包括多个训练样本，每一训练样本至少包括某一个体的个人信息和风险等级，所述个人信息至少包括西医类型信息和中医类型信息；基于所述训练样本集对包括多个预测子模型的风险预测模型进行训练，所述训练至少包括使各个预测子模型拟合所述训练样本集，从而各个预测子模型能够输出符合预设目标的预测子结果的第一阶段训练；以及汇总各个预测子模型输出的预测子结果得到最终预测结果的第二阶段训练。2.根据权利要求1所述的风险预测模型的训练方法，其中，所述训练样本的个体信息采集自预设年龄段的对象，所述预设年龄段至少包括中年或老年的部分年龄区间。3.根据权利要求1所述的风险预测模型的训练方法，其中，所述西医类型信息至少包括某一个体的身体基础信息、饮食习惯、生活环境、“生活方式和习惯”、“心理和情绪”以及“既往史和恶性肿瘤家族史”中的一个；所述中医类型信息至少包括某一个体的体质信息。4.根据权利要求1～3任一项所述的风险预测模型的训练方法，所述风险预测模型的预测子模型至少包括逻辑回归子模型、SVM子模型以及LightGBM子模型中的一个；使各个预测子模型拟合所述训练样本集，从而各个预测子模型能够输出符合预设目标的预测子结果的第一阶段训练，包括：通过所述逻辑回归子模型拟合所述训练样本集，以所述逻辑回归子模型能够输出符合预设目标的预测子结果为目标实现第一阶段训练中对所述逻辑回归子模型的训练；通过所述SVM子模型拟合所述训练样本集，以所述SVM子模型能够输出符合预设目标的预测子结果为目标实现第一阶段训练中对所述SVM子模型的训练；通过所述LightGBM子模型拟合所述训练样本集，以所述LightGBM子模型能够输出符合预设目标的预测子结果为目标实现第一阶段训练中对所述LightGBM子模型的训练。5.根据权利要求4所述的风险预测模型的训练方法，汇总各个预测子模型输出的预测子结果得...

【专利技术属性】
技术研发人员：陈航，许迎喜，赵丹，吴红艳，杨蕊，覃霄燕，魏丽，何慧霞，
申请(专利权)人：郑州市第三人民医院，
类型：发明
国别省市：