一种数据处理方法、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数据处理方法、装置、电子设备及存储介质，其中，该方法包括：获取目标对象在至少一个生理指标下的生理特征数据；确定与所述生理特征数据相对应的数据处理类型，并调取与所述数据处理类型相对应的目标网络模型；基于所述目标网络模型对所述生理特征数据进行处理，得到目标生理特征数据。解决了在基于生理特征数据对药物特性进行评估时，生理特征数据样本不足，或者在模拟生理特征数据时，模拟的生理特征数据不符合真实生理特征数据分布的问题，达到了在符合真实生理特征数据分布规律的前提下，基于少量的生理特征数据进行数据泛化，得到充足的生理特征数据样本的效果。果。果。

【技术实现步骤摘要】
一种数据处理方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种数据处理方法、装置、电子设备及存储介质。

技术介绍

[0002]在药物临床开发阶段，往往需要对药物的药代动力学行为进行评估，如，借助药代动力学模型可以对人群生理特征引起的个体间药代动力学行为差异进行先验评估。
[0003]目前，在对个体间差异进行评估时，通常是根据已报道的先验知识，建立群体测量数据与内在生理特征之间的固定方程，并根据指定的群体测量数据创建虚拟人群。但由于个体生理特征的生长曲线的差异，人体测量数据与内在生理特征的机制性关联往往将儿童与成人、个体的不同生理特征分割开来，导致与实际生活中的各群体的生理特征的分布情况相差较远。
[0004]为了解决上述问题，需要对生理特征数据的处理方式进行改进。

技术实现思路

[0005]本专利技术提供了一种数据处理方法、装置、电子设备及存储介质，以解决在基于生理特征数据对药物特性进行评估时，生理特征数据样本不足，或者在模拟生理特征数据时，模拟的生理特征数据不符合真实生理特征数据分布的问题。
[0006]第一方面，本专利技术实施例提供了一种数据处理方法，包括：
[0007]获取目标对象在至少一个生理指标下的生理特征数据；
[0008]确定与所述生理特征数据相对应的数据处理类型，并调取与所述数据处理类型相对应的目标网络模型；其中，所述数据处理类型包括数据泛化类型或数据预测类型；
[0009]基于所述目标网络模型对所述生理特征数据进行处理，得到目标生理特征数据。
[0010]第二方面，本专利技术实施例还提供了一种数据处理装置，包括：
[0011]数据获取模块，用于获取目标对象在至少一个生理指标下的生理特征数据；
[0012]模型调取模块，用于确定与所述生理特征数据相对应的数据处理类型，并调取与所述数据处理类型相对应的目标网络模型；其中，所述数据处理类型包括数据泛化类型或数据预测类型；
[0013]数据确定模块，用于基于所述目标网络模型对所述生理特征数据进行处理，得到目标生理特征数据。
[0014]第三方面，本专利技术实施例还提供了一种电子设备，包括：
[0015]至少一个处理器；以及
[0016]与所述至少一个处理器通信连接的存储器；其中，
[0017]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的数据处理方法。
[0018]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述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所述的数据处理方法。
[0019]本专利技术实施例的技术方案，通过获取目标对象在至少一个生理指标下的生理特征数据，通过对目标对象进行生理特征数据采集，或者从预先建立或现有的公共数据集中获取目标对象在至少一个生理指标下的生理特征数据。进一步的，根据实际应用中的数据处理要求，确定与所述生理特征数据相对应的数据处理类型，并调取与所述数据处理类型相对应的目标网络模型，以基于目标网络模型对各生理指标下的生理特征数据之间的关联关系进行分析，得到与数据处理类型相对应的目标生理特征数据。基于所述目标网络模型对所述生理特征数据进行处理，得到目标生理特征数据，具体的，在进行数据泛化处理时，基于目标网络模型确定与目标对象的生理特征数据所对应的生理特征曲线，并根据预设的数据泛化数量和数据泛化范围，基于该生理特征曲线进行数据泛化处理，得到至少一个目标生理特征曲线。在进行数据预测处理时，通过目标对象的至少一个生理指标下的生理特征数据，以及目标对象的基本属性信息，可以得到目标对象在其他生理指标下的生理特征数据进行数据预测。解决了在基于生理特征数据对药物特性进行评估时，生理特征数据样本不足，或者在模拟生理特征数据时，模拟的生理特征数据不符合真实生理特征数据分布的问题，达到了在符合真实生理特征数据分布规律的前提下，基于少量的生理特征数据进行数据泛化，得到充足的生理特征数据样本的效果。
[0020]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
[0021]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。
[0022]图1是根据本专利技术实施例一提供的一种数据处理方法的流程图；
[0023]图2是根据本专利技术实施例二提供的一种数据处理方法的流程图；
[0024]图3是根据本专利技术实施例二提供的一种确定目标网络模型的流程图；
[0025]图4是根据本专利技术实施例三提供的一种数据处理装置的结构示意图；
[0026]图5是实现本专利技术实施例的数据处理方法的电子设备的结构示意图。
具体实施方式
[0027]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。
[0028]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”、“第
二”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。
[0029]实施例一
[0030]图1为本专利技术实施例一提供了一种数据处理方法的流程图，本实施例可适用于在符合真实的生理特征数据分布规律的前提下，基于少量的用户的生理特征数据模拟得到大量的生理特征数据样本的情况，该方法可以由数据处理装置来执行，该数据处理装置可以采用硬件和/或软件的形式实现，该数据处理装置可配置于可执行数据处理方法的计算设备中。
[0031]如图1所示，该方法包括：
[0032]S110、获取目标对象在至少一个生理指标下的生理特征数据。
[0033]其中，在本技术方案中，目标对象用于指代待采集生理特征数据的实验用户，如，目标对象可以为成人、儿童或老人等，且对目标对象的性别不做限定。生理指标可以理解为用于表征目标对象的生理特征的指标，如，身高、体重、血糖、血压、脉搏、肺活量、体温、血氧饱和度以及与目标用户的身体组织的重量和大小等。需要说明的是，在本技术方案中的生理指标为可以用于表征用户生理特性的各项指标，并不局限于本技术方案中提及的生理指标。生理特征数据可以理解为与目标对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取目标对象在至少一个生理指标下的生理特征数据；确定与所述生理特征数据相对应的数据处理类型，并调取与所述数据处理类型相对应的目标网络模型；其中，所述数据处理类型包括数据泛化类型或数据预测类型；基于所述目标网络模型对所述生理特征数据进行处理，得到目标生理特征数据。2.根据权利要求1所述的方法，其特征在于，还包括：针对至少一个待处理对象，分别确定各待处理对象在至少两个生理指标下的待训练样本数据，并基于各待训练样本数据构建待处理矩阵；其中，所述待处理矩阵中的各列表征所述待训练样本数据所对应的生理特征指标，所述待处理矩阵中的各行对应于待训练样本数据；对所述待处理矩阵中的每一列进行归一化处理，得到相应的待拼接子矩阵，并拼接，得到待使用矩阵；将所述待使用矩阵输入待训练网络模型中，并基于所述待使用矩阵对所述待训练网络模型进行训练，直至所述待训练网络模型的损失函数最小时，得到目标网络模型；其中，所述待训练网络模型包括生成对抗网络模型、变分自编码器模型、扩散模型或基于流的生成模型。3.根据权利要求1所述的方法，其特征在于，所述获取目标对象在至少一个生理指标下的生理特征数据，包括：在目标显示界面中的至少一个编辑控件中，输入与目标对象在至少一个生理指标下的生理特征数据；或从目标数据库中，调取与所述目标对象在至少一个生理指标下的生理特征数据；其中，所述目标数据库中包括至少一个参考对象，以及与各参考对象在至少一个生理指标下的生理特征数据。4.根据权利要求1所述的方法，其特征在于，所述确定与所述生理特征数据相对应的数据处理类型，并调取与所述数据处理类型相对应的目标网络模型，包括：接收数据处理指令，并获取所述数据处理指令中的数据处理方式；其中，所述数据处理方式包括数据泛化方式或数据预测方式；基于所述数据处理方式和所述生理特征数据，确定相应的数据处理类型，并调取与所述数据处理类型相对应的目标网络模型。5.根据权利要求4所述的方法，其特征在于，所述数据处理方式为所述数据泛化方式，所述基...

【专利技术属性】
技术研发人员：余果，俞扬，韩璐瑶，刘天硕，张智龙，詹德川，章强，
申请(专利权)人：余果，
类型：发明
国别省市：