一种疾病类型的预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种疾病类型的预测方法、装置、电子设备及存储介质。确定与目标用户相对应的目标电子病历数据以及预设时长内的目标基础数据；将目标电子病历数据和目标基础数据，分别输入至预先训练得到的至少两个疾病类型预测模型中，以得到各疾病类型预测模型所对应的待选择疾病类型；其中，至少两个疾病类型预测模型是基于预训练好的预测模型训练得到，且各预测模型的模型结构不同；基于各待选择疾病类型，确定目标疾病类型，解决了依靠人工实现疾病分类，人力成本高，效率低，以及利用机器学习算法处理准确率相对较低的问题，提升了疾病预测的准确率和效率。病预测的准确率和效率。病预测的准确率和效率。

【技术实现步骤摘要】
一种疾病类型的预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种疾病类型的预测方法、装置、电子设备及存储介质。

技术介绍

[0002]近年来，医疗信息系统的广泛使用，使得医疗领域积累了海量的健康医疗数据，为医疗人工智能的发展提供了数据支持。在临床诊断中，医生首要的决策任务就是通过收集接诊用户症状和体征信息确定接诊用户所属疾病类型，准确判断对医生专业知识和临床经验要求很高。能否准确判断疾病类型直接影响到接诊用户的用药方案，最终关系到接诊用户的治疗效果，因此临床诊断决策支持研究有重要的现实意义。
[0003]目前，可以采用两种方式实现疾病的预测，第一种方式是基于人工判断，即接诊用户根据就诊用户的病症信息，结合个人经验确定疾病类型。另外一种方式可以采用机器学习的算法实现疾病的预测，机器学习的方法需要对病症信息中的非结构化文本进行标准化处理，将标准化处理后的数据进行训练和分类，最终得到疾病的预测结果。
[0004]但是，第一种方式存在的问题是人工处理，费时费力，效率相对较低；第二种方式存在的问题是机器学习方法依赖大规模标注数据集才能进行有效训练，而病症信息中存在大量的非结构化文本，加大了标注数据集标注的难度，因此疾病分类的准确率和效率难以提升。

技术实现思路

[0005]本专利技术提供了一种疾病类型的预测方法、装置、电子设备及存储介质，实现了基于多个模型对病症信息进行预测分类，并采用融合算法基于多个模型的预测结果确定最终的疾病预测结果，提升疾病预测的准确率和效率。
[0006]第一方面，本专利技术提供了一种疾病类型的预测方法，该方法包括：
[0007]确定与目标用户相对应的目标电子病历数据以及预设时长内的目标基础数据；
[0008]将目标电子病历数据和目标基础数据，分别输入至预先训练得到的至少两个疾病类型预测模型中，以得到各疾病类型预测模型所对应的待选择疾病类型；其中，至少两个疾病类型预测模型是基于预训练好的预测模型训练得到，且各预测模型的模型结构不同；
[0009]基于各待选择疾病类型，确定目标疾病类型。
[0010]第二方面，本专利技术提供了一种疾病类型的预测装置，该装置包括：
[0011]基础数据确定模块，用于确定与目标用户相对应的目标电子病历数据以及预设时长内的目标基础数据；
[0012]疾病类型获取模块，用于将目标电子病历数据和目标基础数据，分别输入至预先训练得到的至少两个疾病类型预测模型中，以得到各疾病类型预测模型所对应的待选择疾病类型；
[0013]疾病类型确定模块，基于各待选择疾病类型，确定目标疾病类型。
[0014]第三方面，本专利技术提供了一种疾病类型的预测电子设备，包括：
[0015]至少一个处理器；以及
[0016]与至少一个处理器通信连接的存储器；其中，
[0017]存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本专利技术任一实施例的疾病类型的预测方法。
[0018]第四方面，本专利技术提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本专利技术任一实施例的疾病类型的预测方法。
[0019]第五方面，本专利技术提供了一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现本专利技术任一实施例的疾病类型的预测方法。
[0020]本专利技术公开了一种疾病类型的预测方法、装置、电子设备及存储介质。确定与目标用户相对应的目标电子病历数据以及预设时长内的目标基础数据；将目标电子病历数据和目标基础数据，分别输入至预先训练得到的至少两个疾病类型预测模型中，以得到各疾病类型预测模型所对应的待选择疾病类型；其中，至少两个疾病类型预测模型是基于预训练好的预测模型训练得到，且各预测模型的模型结构不同；基于各待选择疾病类型，确定目标疾病类型。上述技术方案，解决了依靠人工实现疾病分类，人力成本高，效率低，以及利用机器学习算法处理准确率相对较低的问题。实现了基于多个模型对病症信息进行预测分类，并采用融合算法基于多个模型的预测结果确定最终的疾病预测结果，提升了疾病预测的准确率和效率。
[0021]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0022]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本专利技术实施例一提供的一种疾病类型的预测方法的流程图；
[0024]图2为本专利技术实施例二提供的一种疾病类型的预测方法的流程图；
[0025]图3为本专利技术实施例三提供的一种疾病类型的预测方法的结构示意图；
[0026]图4为本专利技术实施例三提供的数据清洗处理的流程图；
[0027]图5为本专利技术实施例四提供的一种疾病类型的预测装置的结构示意图；
[0028]图6为本专利技术实施例五提供的一种电子设备的结构示意图。
具体实施方式
[0029]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范
围。
[0030]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一预设条件”、“第二预设条件”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0031]实施例一
[0032]图1为本专利技术实施例一提供的一种疾病类型的预测方法的流程图；本实施例可适用于在根据就诊用户的症状信息以及基本信息确定其疾病类型的情形。该方法可以由疾病类型预测装置来执行，该疾病类型预测装置可以采用硬件和/或软件的形式实现，该疾病类型预测装置可以配置在计算机设备上，该计算机设备可以是笔记本、台式计算机以及智能平板等。如图1所示，该方法包括：
[0033]S110、确定与目标用户相对应的目标电子病历数据以及预设时长内的目标基础数据。
[0034]其中，目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种疾病类型的预测方法，其特征在于，包括；确定与目标用户相对应的目标电子病历数据以及预设时长内的目标基础数据；将所述目标电子病历数据和所述目标基础数据，分别输入至预先训练得到的至少两个疾病类型预测模型中，以得到各疾病类型预测模型所对应的待选择疾病类型；其中，所述至少两个疾病类型预测模型是基于预训练好的预测模型训练得到，且各预测模型的模型结构不同；基于各待选择疾病类型，确定目标疾病类型。2.根据权利要求1所述的方法，其特征在于，所述确定与目标用户相对应的目标电子病历数据以及预设时长内的目标基础数据，包括：获取目标用户在预设时长内的待处理基础数据以及待处理电子病历数据；其中，所述待处理基础数据中包括历史诊疗数据、遗传病数据以及生活习惯数据；对所述待处理基础数据清洗处理，得到所述目标基础数据；以及，对所述待处理电子病历数据中关键字段所对应的数据进行处理，以得到目标电子病历数据。3.根据权利要求1所述的方法，其特征在于，所述将所述目标电子病历数据和所述目标基础数据，分别输入至预先训练得到的至少两个疾病预测模型中，以得到各疾病预测模型所对应的待选择疾病类型，包括：基于所述目标电子病历数据和所述目标基础数据，确定目标输入向量；对于各疾病预测模型，将所述目标输入向量输入至当前疾病预测模型中，得到与预先设定的各预设疾病类型所对应的概率分布；基于所述概率分布，确定与所述当前疾病预测模型所对应的待选择疾病类型。4.根据权利要求1所述的方法，其特征在于，所述基于各待选择疾病类型，确定目标疾病类型，包括：基于预先设置的融合策略对各待选择疾病类型融合处理，以得到所述目标疾病类型。5.根据权利要求1所述的方法，其特征在于，还包括：获取至少一个训练样本；其中，所述训练样本中包括样本向量以及与所述样本向量所对应的理论疾病类型，所述样本向量是基于样本用户的基础样本数据和电子病历样本数据确定的；获取预训练得到的至少两个预测模型，并为各预测模型拼接分类器，以使所述预测模型输出与各预设疾...

【专利技术属性】
技术研发人员：刘伟业，张俊锋，张春烽，冯闪，李登高，
申请(专利权)人：联仁健康医疗大数据科技股份有限公司，
类型：发明
国别省市：