基于人工智能的重疾状态预测方法、装置、设备及介质制造方法及图纸

本申请揭示了一种基于人工智能的重疾状态预测方法、装置、设备及介质，其中方法包括：根据日时序特征集预测第一时序重疾概率，并根据周时序特征集预测第二时序重疾概率；根据日时序特征集和人体健康日知识图谱计算每个日人体特征的第一异常指数，并根据周时序特征集和人体健康周知识图谱计算每个周人体特征的第二异常指数；根据各个第一异常指数、日重疾异常标准指数集、各个第二异常指数和周重疾异常标准指数集计算第一异常风险值、第二异常风险值和交叉风险值；根据第一时序重疾概率、第二时序重疾概率、第一异常风险值、第二异常风险值和交叉风险值确定目标对象对应的重疾状态预测结果。充分参考人体特征的时序特性和异常特性，提高了准确性。提高了准确性。提高了准确性。

【技术实现步骤摘要】
基于人工智能的重疾状态预测方法、装置、设备及介质


[0001]本申请涉及到人工智能
，特别是涉及到一种基于人工智能的重疾状态预测方法、装置、设备及介质。

技术介绍

[0002]重疾(是指重大疾病)状态预测是管理式医疗中重要的一环，用于评估某一个人体未来发生重疾的可能性。现有的重疾状态预测方法包括：基于人口特征进行重疾状态预测和基于体检报告进行重疾状态预测。基于人口特征进行重疾状态预测主要基于年龄、性别、居住城市、行业和职业进行预测，考虑维度过于宏观，导致预测的准确性较低；而基于体检报告进行重疾状态预测，依赖的信息虽然权威，但是体检报告仅仅代表被评估人的近期的健康状况，无法体现出生活习惯和不同时间的健康情况分布，导致预测的准确性较低。

技术实现思路

[0003]本申请的主要目的为提供一种基于人工智能的重疾状态预测方法、装置、设备及介质，旨在解决基于人口特征进行重疾状态预测和基于体检报告进行重疾状态预测，存在预测的准确性较低的技术问题。
[0004]为了实现上述专利技术目的，本申请提出一种基于人工智能的重疾状态预测方法，所述方法包括：
[0005]获取目标对象对应的日时序特征集和周时序特征集；
[0006]根据所述日时序特征集预测第一时序重疾概率，并根据所述周时序特征集预测第二时序重疾概率；
[0007]根据所述日时序特征集和预设的人体健康日知识图谱计算每个日人体特征的第一异常指数，并根据所述周时序特征集和预设的人体健康周知识图谱计算每个周人体特征的第二异常指数；r/>[0008]根据各个所述第一异常指数和预设的日重疾异常标准指数集计算第一异常风险值，并根据各个所述第二异常指数和预设的周重疾异常标准指数集计算第二异常风险值；
[0009]根据各个所述第一异常指数和各个所述第二异常指数计算交叉风险值；
[0010]根据所述第一时序重疾概率、所述第二时序重疾概率、所述第一异常风险值、所述第二异常风险值和所述交叉风险值确定所述目标对象对应的重疾状态预测结果。
[0011]进一步的，所述根据所述日时序特征集预测第一时序重疾概率，并根据所述周时序特征集预测第二时序重疾概率的步骤，包括：
[0012]将所述日时序特征集输入预设的日时序特征重疾概率预测模型进行重疾概率预测，得到所述第一时序重疾概率，其中，所述日时序特征重疾概率预测模型是基于时序网络训练得到的模型；
[0013]将所述周时序特征集输入预设的周时序特征重疾概率预测模型进行重疾概率预测，得到所述第二时序重疾概率，其中，所述周时序特征重疾概率预测模型是基于时序网络
或非时序网络训练得到的模型。
[0014]进一步的，所述根据所述日时序特征集和预设的人体健康日知识图谱计算每个日人体特征的第一异常指数，并根据所述周时序特征集和预设的人体健康周知识图谱计算每个周人体特征的第二异常指数的步骤，包括：
[0015]第x个所述日人体特征的所述第一异常指数的计算公式ERST1(x)为：
[0016][0017]其中，k是所述日时序特征集中的日时序特征的数量，当第d个所述日时序特征中的与第x个所述日人体特征对应的特征值位于所述人体健康日知识图谱中的与第x个所述日人体特征对应的第一范围数据内时，则y
d
为0，当第d个所述日时序特征中的与第x个所述日人体特征对应的特征值位于所述人体健康日知识图谱中的与第x个所述日人体特征对应的所述第一范围数据外时，则y
d
为1；
[0018]第x个所述周人体特征的所述第二异常指数的计算公式ERST2(x)为：
[0019][0020]其中，m是所述周时序特征集中的周时序特征的数量，当第d个所述周时序特征中的与第x个所述周人体特征对应的特征值位于所述人体健康周知识图谱中的与第x个所述周人体特征对应的第二范围数据内时，则z
d
为0，当第d个所述周时序特征中的与第x个所述周人体特征对应的特征值位于所述人体健康周知识图谱中的与第x个所述周人体特征对应的所述第二范围数据外时，则z
d
为1。
[0021]进一步的，所述根据所述日时序特征集和预设的人体健康日知识图谱计算每个日人体特征的第一异常指数，并根据所述周时序特征集和预设的人体健康周知识图谱计算每个周人体特征的第二异常指数的步骤之前，还包括：
[0022]将任一个所述日人体特征作为目标日特征；
[0023]将所述目标日特征在预设的第一医学临床库中进行日正常范围查找，得到第一查找结果；
[0024]若所述第一查找结果为成功时，将所述第一查找结果对应的所述日正常范围作为所述目标日特征对应的第一范围数据；
[0025]若所述第一查找结果为失败时，获取所述目标日特征对应的健康对象日特征数据集，对所述健康对象日特征数据集进行正序排序，得到排序后日特征数据集，从所述排序后日特征数据集中获取与预设的第一数量比例对应的日特征数据，作为所述目标日特征对应的所述第一范围数据的开始值，从所述排序后日特征数据集中获取与预设的第二数量比例对应的所述日特征数据，作为所述目标日特征对应的所述第一范围数据的结束值，其中，所述第一数量比例小于所述第二数量比例；
[0026]根据各个所述日人体特征对应的各个所述第一范围数据生成所述人体健康日知识图谱；
[0027]将任一个所述周人体特征作为目标周特征；
[0028]将所述目标周特征在预设的第二医学临床库中进行周正常范围查找，得到第二查
找结果；
[0029]若所述第二查找结果为成功时，将所述第一查找结果对应的所述周正常范围作为所述目标周特征对应的第二范围数据；
[0030]若所述第二查找结果为失败时，获取所述目标周特征对应的健康对象周特征数据集，对所述健康对象周特征数据集进行正序排序，得到排序后周特征数据集，从所述排序后周特征数据集中获取与预设的第三数量比例对应的周特征数据，作为所述目标周特征对应的所述第二范围数据的开始值，从所述排序后周特征数据集中获取与预设的第四数量比例对应的所述周特征数据，作为所述目标周特征对应的所述第二范围数据的结束值，其中，所述第三数量比例小于所述第四数量比例；
[0031]根据各个所述周人体特征对应的各个所述第二范围数据生成所述人体健康周知识图谱。
[0032]进一步的，所述根据各个所述第一异常指数和预设的日重疾异常标准指数集计算第一异常风险值，并根据各个所述第二异常指数和预设的周重疾异常标准指数集计算第二异常风险值的步骤，包括：
[0033]所述第一异常风险的计算公式RE1为：
[0034][0035]其中，n是所述第一异常指数的数量，ERST3(x)是所述日重疾异常标准指数集中的与第x个所述日人体特征对应的日重疾异常标准指数，ERST1(x)是第x个所述日人体特征对应的所述第一异常指数；
[0036]所述第二异常风险的计算公式RE2为：
[0037][0038]其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的重疾状态预测方法，其特征在于，所述方法包括：获取目标对象对应的日时序特征集和周时序特征集；根据所述日时序特征集预测第一时序重疾概率，并根据所述周时序特征集预测第二时序重疾概率；根据所述日时序特征集和预设的人体健康日知识图谱计算每个日人体特征的第一异常指数，并根据所述周时序特征集和预设的人体健康周知识图谱计算每个周人体特征的第二异常指数；根据各个所述第一异常指数和预设的日重疾异常标准指数集计算第一异常风险值，并根据各个所述第二异常指数和预设的周重疾异常标准指数集计算第二异常风险值；根据各个所述第一异常指数和各个所述第二异常指数计算交叉风险值；根据所述第一时序重疾概率、所述第二时序重疾概率、所述第一异常风险值、所述第二异常风险值和所述交叉风险值确定所述目标对象对应的重疾状态预测结果。2.根据权利要求1所述的基于人工智能的重疾状态预测方法，其特征在于，所述根据所述日时序特征集预测第一时序重疾概率，并根据所述周时序特征集预测第二时序重疾概率的步骤，包括：将所述日时序特征集输入预设的日时序特征重疾概率预测模型进行重疾概率预测，得到所述第一时序重疾概率，其中，所述日时序特征重疾概率预测模型是基于时序网络训练得到的模型；将所述周时序特征集输入预设的周时序特征重疾概率预测模型进行重疾概率预测，得到所述第二时序重疾概率，其中，所述周时序特征重疾概率预测模型是基于时序网络或非时序网络训练得到的模型。3.根据权利要求1所述的基于人工智能的重疾状态预测方法，其特征在于，所述根据所述日时序特征集和预设的人体健康日知识图谱计算每个日人体特征的第一异常指数，并根据所述周时序特征集和预设的人体健康周知识图谱计算每个周人体特征的第二异常指数的步骤，包括：第x个所述日人体特征的所述第一异常指数的计算公式ERST1(x)为：其中，k是所述日时序特征集中的日时序特征的数量，当第d个所述日时序特征中的与第x个所述日人体特征对应的特征值位于所述人体健康日知识图谱中的与第x个所述日人体特征对应的第一范围数据内时，则y
d
为0，当第d个所述日时序特征中的与第x个所述日人体特征对应的特征值位于所述人体健康日知识图谱中的与第x个所述日人体特征对应的所述第一范围数据外时，则y
d
为1；第x个所述周人体特征的所述第二异常指数的计算公式ERST2(x)为：其中，m是所述周时序特征集中的周时序特征的数量，当第d个所述周时序特征中的与第x个所述周人体特征对应的特征值位于所述人体健康周知识图谱中的与第x个所述周人
体特征对应的第二范围数据内时，则z
d
为0，当第d个所述周时序特征中的与第x个所述周人体特征对应的特征值位于所述人体健康周知识图谱中的与第x个所述周人体特征对应的所述第二范围数据外时，则z
d
为1。4.根据权利要求1所述的基于人工智能的重疾状态预测方法，其特征在于，所述根据所述日时序特征集和预设的人体健康日知识图谱计算每个日人体特征的第一异常指数，并根据所述周时序特征集和预设的人体健康周知识图谱计算每个周人体特征的第二异常指数的步骤之前，还包括：将任一个所述日人体特征作为目标日特征；将所述目标日特征在预设的第一医学临床库中进行日正常范围查找，得到第一查找结果；若所述第一查找结果为成功时，将所述第一查找结果对应的所述日正常范围作为所述目标日特征对应的第一范围数据；若所述第一查找结果为失败时，获取所述目标日特征对应的健康对象日特征数据集，对所述健康对象日特征数据集进行正序排序，得到排序后日特征数据集，从所述排序后日特征数据集中获取与预设的第一数量比例对应的日特征数据，作为所述目标日特征对应的所述第一范围数据的开始值，从所述排序后日特征数据集中获取与预设的第二数量比例对应的所述日特征数据，作为所述目标日特征对应的所述第一范围数据的结束值，其中，所述第一数量比例小于所述第二数量比例；根据各个所述日人体特征对应的各个所述第一范围数据生成所述人体健康日知识图谱；将任一个所述周人体特征作为目标周特征；将所述目标周特...

【专利技术属性】
技术研发人员：叶颖，张玉君，戴嘉贺，吴艺，
申请(专利权)人：深圳市问渠数字科技有限公司，
类型：发明
国别省市：