【技术实现步骤摘要】
视网膜病变发病风险预测方法、装置以及服务器
[0001]本专利技术涉及视网膜病变预测领域,具体而言,涉及一种视网膜病变发病风险预测方法、装置以及服务器。
技术介绍
[0002]视网膜病变是视网膜脱离、黄斑病变、眼外伤、糖尿病性视网膜病变、眼内炎、球内异物、先天性眼病等视网膜疾病的统称,先天性眼病比如新生儿视网膜病变、眼内寄生虫等。常见的视网膜病变发病患者有早产儿患者和糖尿病患者。视网膜病变发病预测通常是由医生根据眼底摄影设备捕捉到的眼底照片来进行预测发病风险,这极度依赖眼科医生的经验。在医疗服务不足以及医疗资源欠发达地区,视网膜病变发病预测几无可能。目前虽有相关视网膜病变发病预测方法,但是一方面对于目标患者的针对性较弱,对于差异性考虑欠周全,另一方面仅能针对某一类型的患者,应用范围相对较窄。
技术实现思路
[0003]本专利技术的目的包括,例如,提供一种视网膜病变发病风险预测方法、装置以及服务器,其能够有针对性地选择预测模型训练数据,从而有利于提高视网膜病变发病风险的预测准确性;同时,可以对早产儿患者以及糖尿病患者进行视网膜病变发病风险预测,具有更丰富的应用场景。
[0004]本专利技术的实施例可以这样实现:
[0005]第一方面,本专利技术实施例提供一种视网膜病变发病风险预测方法,用于对视网膜病变发病风险进行预测,所述视网膜病变发病风险预测方法包括:
[0006]获取目标患者的视网膜病变数据,其中,所述目标患者包括早产儿患者和糖尿病患者;
[0007]根据所述目标患者 ...
【技术保护点】
【技术特征摘要】
1.一种视网膜病变发病风险预测方法,用于对视网膜病变发病风险进行预测,其特征在于,所述视网膜病变发病风险预测方法包括:获取目标患者的视网膜病变数据,其中,所述目标患者包括早产儿患者和糖尿病患者;根据所述目标患者的视网膜病变数据,从视网膜病变发病数据库中选取预测模型训练数据,其中,所述视网膜病变发病数据库中包括早产儿患者的视网膜病变训练数据和糖尿病患者的视网膜病变训练数据,所述预测模型训练数据与所述目标患者的视网膜病变数据对应;根据所述预测模型训练数据对视网膜病变发病风险预测模型进行训练,得出所述视网膜病变发病风险预测模型的模型参数,其中,所述视网膜病变发病风险预测模型的模型参数与所述目标患者的视网膜病变数据对应;根据所述目标患者的视网膜病变数据和所述视网膜病变发病风险预测模型,计算所述目标患者的视网膜病变发病风险。2.根据权利要求1所述的视网膜病变发病风险预测方法,其特征在于,所述目标患者的类型包括早产儿患者和糖尿病患者,所述视网膜病变发病数据库中包括早产儿视网膜病变发病数据、早产儿视网膜病变未发病数据、糖尿病视网膜病变发病数据和糖尿病视网膜病变未发病数据;若所述目标患者的类型为早产儿患者,所述根据所述目标患者的视网膜病变数据,从视网膜病变发病数据库中选取预测模型训练数据的步骤中,选取早产儿视网膜病变发病数据和早产儿视网膜病变未发病数据作为预测模型训练数据;若所述目标患者的类型为糖尿病患者,所述根据所述目标患者的视网膜病变数据,从视网膜病变发病数据库中选取预测模型训练数据的步骤中,选取糖尿病视网膜病变发病数据和糖尿病视网膜病变未发病数据作为预测模型训练数据。3.根据权利要求2所述的视网膜病变发病风险预测方法,其特征在于,所述选取早产儿视网膜病变发病数据和早产儿视网膜病变未发病数据作为预测模型训练数据的步骤满足以下关系:D
z
=aD
zf
+(1―a)D
zw
式中,D
z
表示早产儿患者的预测模型训练数据,D
zf
表示所述早产儿视网膜病变发病数据,D
zw
表示所述早产儿视网膜病变未发病数据,a为常数,且满足0≤a<1。4.根据权利要求2所述的视网膜病变发病风险预测方法,其特征在于,所述选取糖尿病视网膜病变发病数据和糖尿病视网膜病变未发病数据作为预测模型训练数据的步骤满足以下关系:D
t
=bD
tf
+(1―b)D
tw
式中,D
t
表示糖尿病患者的预测模型训练数据,D
tf
表示所述糖尿病视网膜病变发病数据,D
tw
表示所述糖尿病视网膜病变未发病数据,b为常数,且满足0≤b<1。5.根据权利要求2所述的视网膜病变发病风险预测方法,其特征在于,若所述目标患者的类型不明确,所述根据所述目标患者的视网膜病变数据,从视网膜病变发病数据库中选取预测模型训练数据的步骤中...
【专利技术属性】
技术研发人员:冉云露,廖玲俐,张中静,
申请(专利权)人:遵义市第一人民医院遵义医学院第三附属医院,
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。