基于GPT-Q模型的肌少症特征识别方法技术

本发明专利技术涉及医疗领域，且公开了基于GPT

【技术实现步骤摘要】
基于GPT
‑
Q模型的肌少症特征识别方法


[0001]本专利技术涉及医疗领域，具体为基于GPT
‑
Q模型的肌少症特征识别方法。

技术介绍

[0002]肌少症疾病特征是医生用来诊断肌少症类别和级别的主要依据，它主要包含在病历的主诉和各项检查内容里，如何高效地从海量电子病历中找出肌少症疾病特征从而辅助诊断一直以来都是肌少症数据挖掘的研究热点。
[0003]肌少症特征识别就是指从数据集中识别出某类事物最具代表性特征子集的过程其原理主要是通过度量不同特征与类别的相关程度，实现在高维特征中选取与类别相关度高的特征子集。一般特征识别的方法包括三类:过滤法(Filter)、嵌入法(Embeded)和包装法(Wrapper)。过滤法与学习算法相互独立，通过过滤数据集来识别特征子集；嵌入法把特征识别与学习过程同时进行，在训练过程中，选择最优特征；包装法将学习算法作为特征选择的一部分。其中过滤法是最常用的特征识别方法，它的主要原理是通过样本数据的内在联系来评价特征的权重，如信息增益、相关系数等。/>[0004]虽然本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于GPT
‑
Q模型的肌少症特征识别方法，其特征在于，包括以下步骤：第一步：设病历语料库D＝{D1，D2，
…
，Dn}，由M个病历文本组成；设疾病集合S＝{S1，，S2，
…
，Sn}，有k种疾病组成；设词汇集V＝{W1，W2,
…
，Wn},由D中所有词语组成，n表示词汇的数量；第二步：基于第一步定义疾病分布向量以及疾病特征向量φ
s
；第三步：GPT
‑
Q模型首先初始化病历－疾病分布和疾病－特征分布φ；第四步：通过遍历每篇病历文档和文档d中的每个词汇w，依据活动词汇w在φ分布中概率的变化情况来对病历－疾病分布和疾病－特征分布φ进行更新。2.根据权利要求1所述的基于GPT
‑
Q模型的肌少症特征识别方法，其特征在于：所述第二步中的疾病分布向量表示病历d生成不同疾病的概率，其中，Pi＝Ni/N表示病历d生成第i种疾病的概率，n表示d中分配给第i种疾病Si的词的数量，n表d中所有词的总数；疾病特征向量φ
s
＝<p
w1
,
…
p
wm
>表示疾病s生成不同特征词的概率，其中，p
wi
＝n<...

【专利技术属性】
技术研发人员：左捍东，
申请(专利权)人：武汉光之能电子科技有限公司，
类型：发明
国别省市：