本发明专利技术提供了一种并发症风险预警方法，包括：提取目标生物体的所有症状特征，以确定症状特征向量组合；将所述症状特征向量组合输入至并发症风险预警模型，以获取所述症状特征向量组合所对应的所有并发症的预警级别；所述症状特征向量组合是所有症状特征向量化表示的组合；所述并发症风险预警模型是基于多个特征向量组合样本，以及各特征向量组合样本对应的并发症预警级别标签训练获取的。本发明专利技术能够使从业人员不受专业知识水平制约，广泛应用于各种生物体的智能风险预警辅助，节约决策规则逐个梳理的时间成本，故能缩短并发症风险预警的计算反馈时间，使得生物体并发症风险预警模型在基层养殖户中更易推广。在基层养殖户中更易推广。在基层养殖户中更易推广。
【技术实现步骤摘要】
并发症风险预警方法、装置、电子设备及存储介质
[0001]本专利技术涉及医疗辅助决策
，尤其涉及一种并发症风险预警方法、装置、电子设备及存储介质。
技术介绍
[0002]近年来，随着人工智能蓬勃发展，为传统蛋鸡健康管理带来全新技术手段，越来越多机器学习和深度学习技术被应用于健康风险预测，实现了健康风险模型从传统统计模型向数据驱动智能优化算法的更新迭代。其中深度学习是典型的数据驱动型技术，常被用于处理一些环境信息复杂、知识背景模糊和推理规则不明确的问题，具有面向数据、非线性拟合、自主学习潜在规则等优势，相较于传统病症专家系统知识门槛高、问询过程繁琐等缺点，基于深度学习问询模型仅通过对病症病例信息整合和提炼，便可快速建立准确、高效、灵活的病症问询模型，节约知识提取成本，突破专家知识获取“瓶颈”，实现病症的智能风险预测。
[0003]现有病症风险预测模型的构建各有不足之处，基于规则的缺点是需要专家兽医对病症知识进行全面系统的提取并表示，且在使用过程中，不能随着新病例的加入更新原有系统，灵活度低，准确率差强人意；基于机器学习算法的缺点是模型建立需要对建模的少量数据背景分布做出合理的数学假定，在数据与数学假定相差较远情况下，不能对复杂的变量函数进行有效估计。
[0004]此外，对于一种病症在发展过程中引起另一种病症或并发症的风险预警的解决方案在以往的研究中均未有提及，问询结果也仅限于输出分类结果，技术上无法满足更进一步的提供风险预警的支撑。
[0005]而目前并没有一种能够解决上述技术问题的技术方案，具体的，并没有一种并发症风险预警方法、装置、电子设备及存储介质。
技术实现思路
[0006]本专利技术的目的是提出一种并发症风险预警方法，包括：
[0007]提取目标生物体的所有症状特征，以确定症状特征向量组合；
[0008]将所述症状特征向量组合输入至并发症风险预警模型，以获取所述症状特征向量组合所对应的所有并发症的预警级别；
[0009]所述症状特征向量组合是所有症状特征向量化表示的组合；
[0010]所述并发症风险预警模型是基于多个特征向量组合样本，以及各特征向量组合样本对应的并发症预警级别标签训练获取的。
[0011]根据本专利技术提供的一种并发症风险预警方法，在提取目标生物体的所有症状特征，以确定症状特征向量组合之前，包括：
[0012]构建所有样本病例所对应的特征向量组合样本；
[0013]确定每个样本病例所对应的并发症预警级别标签；
[0014]基于所述特征向量组合样本以及所述特征向量组合样本所对应的并发症预警级别标签构建并发症风险预警模型；
[0015]所述特征向量组合样本由预设个数的样本特征向量组合而成。
[0016]根据本专利技术提供的一种并发症风险预警方法，在基于所述特征向量组合样本以及所述特征向量组合样本所对应的并发症预警级别标签构建并发症风险预警模型之前，还包括：
[0017]获取所有样本特征；
[0018]基于单个一级症状特征获取每个第一主病症的预警级别；
[0019]基于多个二级症状特征获取每个第二主病症的预警级别；
[0020]基于单个一级症状特征以及多个二级症状特征，获取每个第一主病症所相关的所有第一并发症的预警级别；
[0021]基于单个一级症状特征、多个二级症状特征以及多个三级症状特征获取每个第一主病症所相关的所有第二并发症的预警级别；
[0022]基于多个二级症状特征以及多个三级症状特征获取每个第二主病症所相关的所有第三并发症的预警级别；
[0023]所述并发症预警级别标签为所有第一主病症的预警级别、所有第二主病症的预警级别、所有第一并发症的预警级别、所有第二并发症的预警级别以及所有第三并发症的预警级别的集合；
[0024]所述样本特征包括一级症状特征、二级症状特征以及三级症状特征的至少一种。
[0025]根据本专利技术提供的一种并发症风险预警方法，所述基于所述特征向量组合样本以及所述特征向量组合样本所对应的并发症预警级别标签构建并发症风险预警模型，包括：
[0026]基于每个样本病例所对应的样本特征以及并发症预警级别标签构建特征数据集；
[0027]向量化每个所述特征数据集，以获取特征向量组合样本训练所述特征向量组合样本，以构建并发症风险预警模型。
[0028]根据本专利技术提供的一种并发症风险预警方法，所述目标生物体的所有症状特征包括外观特征、解剖特征、呼吸特征、行为异常特征、体温特征、发病情况特征中的至少一种。
[0029]根据本专利技术提供的一种并发症风险预警方法，所述目标生物体为目标生物的集群；
[0030]相应地，所述目标生物体的所有症状特征还包括接种特征、配种特征、粪便特征、季节特征、日龄特征、环境温度特征、环境湿度特征、食量特征、饲料特征中的至少一种。
[0031]根据本专利技术提供的一种并发症风险预警方法，所述目标生物体为蛋禽；
[0032]相应地，所述目标生物体的所有症状特征还包括禽蛋形状特征、羽毛形状特征、产蛋能力特征中的至少一种。
[0033]本专利技术还提供了一种并发症风险预警装置，包括：
[0034]确定装置：用于提取目标生物体的所有症状特征，以确定症状特征向量组合；
[0035]获取装置：用于将所述症状特征向量组合输入至并发症风险预警模型，以获取所述症状特征向量组合所对应的所有并发症的预警级别。
[0036]本专利技术还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述并发症风险预警
方法的步骤。
[0037]本专利技术还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述并发症风险预警方法的步骤。
[0038]与现有技术相比，本专利技术所提供的并发症风险预警模型能够不受兽医知识水平的制约，广泛应用于各种生物体的智能问询辅助中，弥补了目前因缺少真实病例而无法建立基于智能算法的并发症风险预警模型的业界空缺，基于神经网络模型也实现了比传统的统计方法更为灵活、有效的内部函数形式；建立基于回归算法的并发症风险预警模型，改进了以往模型或系统只能输出病症类别，无法输出病症风险预警的缺点，同时多标记模型解决了并发症辅助决策的问题，让辅助决策结果更符合真实预期，提高使用满意度；并发症风险预警模型基于标准病症症状库与专业兽医的人工标记，根据标准化流程，即可完成全部并发症风险预警模型的构建，节约了决策规则逐个梳理的时间成本，同时缩短了计算反馈时间，使得生物体并发症风险预警模型在基层养殖户中更易推广。
附图说明
[0039]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种并发症风险预警方法，其特征在于，包括：提取目标生物体的所有症状特征，以确定症状特征向量组合；将所述症状特征向量组合输入至并发症风险预警模型，以获取所述症状特征向量组合所对应的所有并发症的预警级别；所述症状特征向量组合是所有症状特征向量化表示的组合；所述并发症风险预警模型是基于多个特征向量组合样本，以及各特征向量组合样本对应的并发症预警级别标签训练获取的。2.根据权利要求1所述的并发症风险预警方法，其特征在于，在提取目标生物体的所有症状特征，以确定症状特征向量组合之前，包括：构建所有样本病例所对应的特征向量组合样本；确定每个样本病例所对应的并发症预警级别标签；基于所述特征向量组合样本以及所述特征向量组合样本所对应的并发症预警级别标签构建并发症风险预警模型；所述特征向量组合样本由预设个数的样本特征向量组合而成。3.根据权利要求2所述的并发症风险预警方法，其特征在于，在基于所述特征向量组合样本以及所述特征向量组合样本所对应的并发症预警级别标签构建并发症风险预警模型之前，还包括：获取所有样本特征；基于单个一级症状特征获取每个第一主病症的预警级别；基于多个二级症状特征获取每个第二主病症的预警级别；基于单个一级症状特征以及多个二级症状特征，获取每个第一主病症所相关的所有第一并发症的预警级别；基于单个一级症状特征、多个二级症状特征以及多个三级症状特征获取每个第一主病症所相关的所有第二并发症的预警级别；基于多个二级症状特征以及多个三级症状特征获取每个第二主病症所相关的所有第三并发症的预警级别；所述并发症预警级别标签为所有第一主病症的预警级别、所有第二主病症的预警级别、所有第一并发症的预警级别、所有第二并发症的预警级别以及所有第三并发症的预警级别的集合；所述样本特征包括一级症状特征、二级症状特征以及三级症状特...
【专利技术属性】
技术研发人员：高荣华，冯璐，李奇峰，马为红，余礼根，
申请(专利权)人：北京市农林科学院信息技术研究中心，
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。