本发明专利技术公开了一种本发明专利技术实施例医疗事件模型训练方法、医疗事件预测方法、装置、计算机可读存储介质及设备。预测模型训练方法包括：获取多个对象的健康档案的多个特征变量数据以及事件结果数据并构建样本集合，进一步根据样本集合，构建多个决策树，从而根据多个决策树的路径和多个特征变量数据，生成多个规则特征向量，由此，基于多个规则特征向量以及事件结果数据进行模型训练，得到医疗事件预测模型。规则特征向量是基于至少两个特征变量的多个生物标志物，据此来预测医疗事件，具有更高的预测准确性。并且可以利用基于多个变量的规则特征进行模型训练，使得预测模型具有非常直观的可解释性。观的可解释性。观的可解释性。
【技术实现步骤摘要】
医疗事件预测模型训练方法、医疗事件预测方法及装置
[0001]本专利技术涉及医学数据挖掘
，尤其涉及一种医疗事件模型训练方法、医疗事件预测方法、装置、计算机可读存储介质及设备。
技术介绍
[0002]近年来，随着各种疾病发生率的逐年上升，疾病的预防和治疗越来越受到大家的关注。为了更好地实现疾病的预防和治疗，虽然已经开发出很多用于辅助治疗和显示的计算机方法，但是很少有能够对健康状况进行预测的方法及系统。如何及时准确地对病人的健康状况进行预测，进而对医疗事件进行解释，有助于医生及时提供更好的治疗方案。
[0003]医疗过程的医疗事件预测无论是对于医生还是患者都具有比较高的关注度也具有较高的参考价值，例如：手术后的住院时间、手术后是否产生并发症、ICU(Intensive Care Unit，重症加强护理病房)住院时间、ICU住院患者死亡率等。这些医疗事件结果以及影响这些医疗事件结果的因素能够为临床医生提供更好的决策或干预建议。
[0004]对此，目前也有一些应用于医疗事件结果或者影响因素的预测模型，但大多采用单个的生物标志物或临床变量来进行预测，准确率和可解释性均较差。
技术实现思路
[0005]本专利技术实施例为了解决上述问题，创造性地提供一种医疗事件模型训练方法、医疗事件预测方法、装置、计算机可读存储介质及设备。
[0006]根据本专利技术第一方面，提供了一种医疗事件预测模型训练方法，所述方法包括：获取多个对象的健康档案的多个特征变量数据以及事件结果数据，并构建样本集合；根据所述样本集合，构建多个决策树；根据所述多个决策树的路径和所述多个特征变量数据，生成多个规则特征向量；基于所述多个规则特征向量以及事件结果数据进行模型训练，得到医疗事件预测模型。
[0007]根据本专利技术一实施方式，所述根据所述多个决策树的路径和所述多个特征变量数据，生成多个规则特征向量，包括：根据所述多个决策树的路径，生成多个规则特征，每一特征规则包括至少两个特征变量；将所述多个特征变量数据与所述多个特征规则进行融合，生成多个规则特征向量。
[0008]根据本专利技术一实施方式，所述基于所述多个规则特征向量以及事件结果数据进行模型训练，包括：对所述多个规则特征向量进行批量规则嵌入；对批量嵌入的规则特征向量进行规则转换和注意力转换，得到转换向量；对批量嵌入的规则特征向量和所述转换向量进行规则选择，得到选择向量；基于所述选择向量，利用预估器预测多个规则特征对所述医疗事件的事件结果的影响程度。
[0009]根据本专利技术一实施方式，所述基于所述多个规则特征向量以及事件结果数据进行模型训练，包括：对所述多个规则特征向量进行批量规则嵌入；对批量嵌入的规则特征向量进行规则转换、注意力转换，得到转换向量；对批量嵌入的规则特征向量和所述转换向量进
行规则选择，得到选择向量；对批量嵌入的规则特征向量和所述选择向量进行规则转换、线性转换和全连接，以预测对象的医疗事件的事件结果。
[0010]根据本专利技术一实施方式，所述对批量嵌入的规则特征向量和所述选择向量进行规则转换，包括：对批量嵌入的规则特征向量和所述选择向量进行全连接、批量嵌入和线性转换。
[0011]根据本专利技术一实施方式，所述方法还包括：基于多个对象的健康档案的多个特征变量数据以及事件结果数据，对所述医疗事件预测模型进行验证，得到验证结果；根据所述验证结果，对所述医疗事件预测模型进行优化。
[0012]根据本专利技术第二方面，还提供了一种医疗事件预测方法，所述方法包括：获取目标对象的健康档案的多个目标变量数据；生成基于所述多个目标变量数据的多个目标规则特征；根据所述多个目标规则特征，利用医疗事件预测模型，对所述目标对象的医疗事件进行预测，得到预测结果，其中，所述预测结果包括所述目标对象的医疗事件的事件结果以及所述多个目标规则特征对所述目标对象的医疗事件的事件结果的影响程度。
[0013]根据本专利技术一实施方式，所述医疗事件预测模型采用如上所述的医疗事件预测模型训练方法进行训练。
[0014]根据本专利技术第三方面，还提供了一种医疗事件预测模型训练装置，所述装置包括：第一获取单元，用于获取多个对象的健康档案的多个特征变量数据以及事件结果数据，并构建样本集合；构建单元，用于根据所述样本集合，构建多个决策树；生成单元，用于根据所述多个决策树的路径和所述多个特征变量数据，生成多个规则特征向量；训练单元，用于基于所述多个规则特征向量以及事件结果数据进行模型训练，得到医疗事件预测模型。
[0015]根据本专利技术第四方面，还提供了一种医疗事件预测装置，所述装置包括：第二获取单元，用于获取目标对象的健康档案的多个目标变量数据；特征生成单元，用于生成基于所述多个目标变量数据的多个目标规则特征；预测单元，用于根据所述多个目标规则特征，利用医疗事件预测模型，对所述目标对象的医疗事件进行预测，得到预测结果，其中，所述预测结果包括所述目标对象的医疗事件的事件结果以及所述多个目标规则特征对所述目标对象的医疗事件的事件结果的影响程度。
[0016]根据本专利技术第五方面，还提供了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行以下至少一者：所述程序时实现如上文所述的医疗事件预测模型训练方法；如权利要求7或8所述的医疗事件预测方法。
[0017]根据本专利技术第六方面，还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行以下至少一者：时用于执行如上文所述的医疗事件预测模型训练方法；如权利要求7或8所述的医疗事件预测方法。
[0018]本专利技术实施例医疗事件模型训练方法、医疗事件预测方法、装置、计算机可读存储介质及设备。预测模型训练方法包括：获取多个对象的健康档案的多个特征变量数据以及事件结果数据并构建样本集合，进一步根据样本集合，构建多个决策树，从而根据多个决策树的路径和多个特征变量数据，生成多个规则特征向量，由此，基于多个规则特征向量以及事件结果数据进行模型训练，得到医疗事件预测模型。规则特征向量是基于至少两个特征变量的多个生物标志物，据此来预测医疗事件，具有更高的预测准确性。并且可以利用基于
多个变量的规则特征进行模型训练，使得预测模型具有非常直观的可解释性。
[0019]需要理解的是，本专利技术的教导并不需要实现上面的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本专利技术的其他实施方式还能够实现上面未提到的有益效果。
附图说明
[0020]通过参考附图阅读下文的详细描述，本专利技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本专利技术的若干实施方式，其中：
[0021]在附图中，相同或对应的标号表示相同或对应的部分。
[0022]图1示出了本专利技术实施例医疗事件预测模型训练方法的实现流程示意图；
[0023]图2示出了本专利技术实施例医疗事件预测模型的模型架构示意图；本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种医疗事件预测模型训练方法，其特征在于，所述方法包括：获取多个对象的健康档案的多个特征变量数据以及事件结果数据，并构建样本集合；根据所述样本集合，构建多个决策树；根据所述多个决策树的路径和所述多个特征变量数据，生成多个规则特征向量；基于所述多个规则特征向量以及事件结果数据进行模型训练，得到医疗事件预测模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个决策树的路径和所述多个特征变量数据，生成多个规则特征向量，包括：根据所述多个决策树的路径，生成多个规则特征，每一特征规则包括至少两个特征变量；将所述多个特征变量数据与所述多个特征规则进行融合，生成多个规则特征向量。3.根据权利要求1所述的方法，其特征在于，所述基于所述多个规则特征向量以及事件结果数据进行模型训练，包括：对所述多个规则特征向量进行批量规则嵌入；对批量嵌入的规则特征向量进行规则转换和注意力转换，得到转换向量；对批量嵌入的规则特征向量和所述转换向量进行规则选择，得到选择向量；基于所述选择向量，利用预估器预测多个规则特征对所述医疗事件的事件结果的影响程度。4.根据权利要求1所述的方法，其特征在于，所述基于所述多个规则特征向量以及事件结果数据进行模型训练，包括：对所述多个规则特征向量进行批量规则嵌入；对批量嵌入的规则特征向量进行规则转换、注意力转换，得到转换向量；对批量嵌入的规则特征向量和所述转换向量进行规则选择，得到选择向量；对批量嵌入的规则特征向量和所述选择向量进行规则转换、线性转换和全连接，以预测对象的医疗事件的事件结果。5.根据权利要求3或4所述的方法，所述对批量嵌入的规则特征向量和所述选择向量进行规则转换，包括：对批量嵌入的规则特征向量和所述选择向量进行全连接、批量嵌入和线性转换。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于多个对象的健康档案的多个特征变量数据以及事件结果数据，对所述医疗事件预测模型进行验证，得到验证结果；根据所述验证结果，对所述医疗事件预测模型进行优化。7.一种医疗事件预测方法，其特征在于，所述方法包括：获取目标对象的...
【专利技术属性】
技术研发人员：杜鑫惠，王绍博，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。