一种疾病分型模型的训练方法、系统、装置及存储介质制造方法及图纸

本申请提出了一种疾病分型模型的训练方法、系统、装置及存储介质。该方法通过获取病历样本信息；对病历样本信息进行结构化处理，得到结构化的病历样本信息；将结构化的病历样本信息输入图卷积模块和时控长短期记忆神经网络模块，得到患者样本向量信息；将患者样本向量信息输入聚类模块，得到患者样本标签信息；将病历样本信息和患者样本标签信息输入监督学习模块进行训练，得到训练好的疾病分型模型。该系统包括获取模块、第一处理模块、第二处理模块、聚类模块和训练模块。通过使用本申请中提供的方法，有利于提高得到的疾病分型模型的识别精度，使得得到的疾病分型模型能够满足医疗系统的需求。本申请可广泛应用于人工智能技术领域内。技术领域内。技术领域内。

【技术实现步骤摘要】
一种疾病分型模型的训练方法、系统、装置及存储介质


[0001]本申请涉及人工智能
，尤其是一种疾病分型模型的训练方法、系统、装置及存储介质。

技术介绍

[0002]在医疗领域，一种疾病可能存在多种疾病分型，确定患者的疾病分型，对于治疗方案的选取异常重要。以脓毒症为例，脓毒症是机体对感染的异常反应所致的多器官功能衰竭，病情进展迅速，病死率居高不下，一直是危重症医学研究的热点和难点。相关技术中的脓毒症分型技术通过高维组学数据的生物信息学进行分析识别，不能捕获病情动态演化过程，识别成功率较低，准确度不够，应用的效果一般。

技术实现思路

[0003]本申请的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0004]为此，本申请实施例的一个目的在于提供一种疾病分型模型的训练方法，该方法有利于提高得到的疾病分型模型的识别精度，使得得到的疾病分型模型能够满足医疗系统的需求。
[0005]本申请实施例的另一个目的在于提供一种疾病分型模型的训练系统。
[0006]为了达到上述技术目的，本申请实施例所采取的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种疾病分型模型的训练方法，其特征在于，所述方法包括：获取病历样本信息；对所述病历样本信息进行结构化处理，得到结构化的病历样本信息；将所述结构化的病历样本信息输入图卷积模块和时控长短期记忆神经网络模块，得到患者样本向量信息；将所述患者样本向量信息输入聚类模块，得到患者样本标签信息；将所述病历样本信息和所述患者样本标签信息输入监督学习模块进行训练，得到训练好的疾病分型模型；其中，时控长短期记忆神经网络通过向长短期记忆神经网络中添加时间信息得到。2.根据权利要求1所述的疾病分型模型的训练方法，其特征在于，所述方法还包括：将所述患者样本向量信息输入反卷积模块，得到第一样本信息；根据所述第一样本信息和所述病历样本信息，得到第一样本误差；根据所述聚类模块，得到KL散度；根据所述第一样本误差和所述KL散度，对所述图卷积模块、所述时控长短期记忆神经网络模块和所述聚类模块进行联合优化训练，对所述疾病分型模型的参数进行更新。3.根据权利要求1所述的疾病分型模型的训练方法，其特征在于，所述将所述结构化的病历样本信息输入图卷积模块和时控长短期记忆神经网络模块这一步骤前，还包括：对所述结构化的病历样本信息进行图学习处理；其中，所述图学习处理用于从信息中抽取图邻接矩阵。4.根据权利要求1所述的疾病分型模型的训练方法，其特征在于，所述对所述病历样本信息进行结构化处理，得到结构化的病历样本信息，包括：对所述病历样本信息进行自然语言处理，得到第二样本信息；对所述第二样本信息进行数据融合和时序对齐处理，得到所述结构化的病历信息。5.根据权利要求1所述的疾病分型模型的训练方法，其特征在于，所述监督学习模块包括注意力机制，所述将所述病历样本信息和所述患者...

【专利技术属性】
技术研发人员：刘广建，潘丽艳，梁会营，李欣，李伟峰，
申请(专利权)人：广东省人民医院，
类型：发明
国别省市：