术后并发症预测模型训练方法及术后并发症预测方法技术

本发明专利技术提供了术后并发症预测模型训练方法及术后并发症预测方法，该并发症预测模型训练方法包括：获取临床数据；基于临床数据，确定预测任务；对临床数据进行预处理，得到训练集；基于预测任务，构建初始术后并发症预测模型；基于训练集，对初始术后并发症预测模型进行多任务学习训练，得到目标术后并发症预测模型。通过本发明专利技术，在考虑多种并发症之间可能存在的协同或拮抗作用的基础上，构建一种多任务学习并发症预测模型，通过对并发症预测模型进行训练，使得并发症预测模型可以更为准确且全面地对患者术后可能出现的并发症进行预测，有助于提高患者生命质量。提高患者生命质量。提高患者生命质量。

【技术实现步骤摘要】
术后并发症预测模型训练方法及术后并发症预测方法


[0001]本专利技术涉及术后预测领域，具体涉及术后并发症预测模型训练方法及术后并发症预测方法。

技术介绍

[0002]现阶段，冠心病已成为全球主要的疾病负担。经统计，冠心病患者中超过五分之一的患者选择接受经皮冠状动脉介入(PCI)治疗，其中，40％到50％的患者发生再狭窄，14％左右的患者可能会引发血管相关并发症，3％
‑
5％的患者在术中术后发生脑血管意外。此外，神经相关并发症、造影剂相关并发症、冠状动脉相关并发症等并发症的发生都可能导致患者不良结局事件的发生。因此，及早预测可能的并发症，识别导致并发症发生的影响因素，有助于尽早对患者进行个性化干预，降低主要不良心血管事件(Major Adverse Cardiovascular Events，MACEs)的发生。
[0003]相关技术中，用于并发症预测的模型大多为单目标/任务模型，这些模型忽略了并发症之间存在的复杂相互作用，未考虑并发症间可能存在的协同或拮抗作用(即一种并发症可能会增加或降低其他并发症发生的概率)，预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种术后并发症预测模型训练方法，其特征在于，所述方法包括：获取临床数据；基于所述临床数据，确定预测任务，所述预测任务用于表征患者术后出现的并发症；对所述临床数据进行预处理，得到训练集；基于所述预测任务，构建初始术后并发症预测模型；基于所述训练集，对所述初始术后并发症预测模型进行多任务学习训练，得到目标术后并发症预测模型。2.根据权利要求1所述的方法，其特征在于，所述对所述临床数据进行预处理，得到训练集，包括：对所述临床数据进行患者术后出现的并发症的标注，得到第一数据集；基于所述预测任务，对所述第一数据集进行扩维，得到各类别并发症比例相等的第二数据集；对所述第二数据集进行归一化处理，得到第三数据集；对所述第三数据集进行缺失值填补，得到训练集。3.根据权利要求1所述的方法，其特征在于，所述对所述临床数据进行预处理，得到训练集，还包括：基于所述预测任务，对所述训练集进行特征筛选，得到所述训练集的特征及特征值。4.根据权利要求3所述的方法，其特征在于，所述基于所述训练集，对所述初始术后并发症预测模型进行多任务学习训练，得到目标术后并发症预测模型，包括：基于所述初始术后并发症预测模型，确定损失函数；基于所述损失函数、所述训练集的特征及特征值，计算得到各预测任务的预测概率与所述训练集对应患者术后出现的并发症的标注之间的误差；基于所述误差，对所述初始术后并发症预测模型进行多任务学习训练，得到目标术后并发症预测模型。5.根据权利要求4所述的方法，其特征在于，所述基于所述损失函数、所述训练集的特征及特征值，计算得到各预测任务的预测概率与所述训练集对应患者术后出现的并发症的标注之间的误差，包括：基于所述初始术后并发症预测模型，分别确定各预测任务的目标函数；基于所述各预测任务的目标函数、所述训练集的特征及特征值，计算得到所述各预测任务的预测概率；基于所述损失函数，计算得到所述各预...

【专利技术属性】
技术研发人员：张岩波，闫晶晶，田晶，杨弘，李靓，杨晓敏，
申请(专利权)人：山西中医药大学，
类型：发明
国别省市：