【技术实现步骤摘要】
新增病例数量生成方法、装置、服务器及存储介质
[0001]本申请涉及医疗人工智能
,尤其涉及一种新增病例数量生成方法、装置、服务器及存储介质。
技术介绍
[0002]近年来,通过传染病仿真模型可以在疾病预测、预防和控制方面提供重要的支持作用,帮助决策者更好地应对传染病的威胁。而现有的传染病的仿真方法,往往采用单一的基于时间序列的仿真,比如SEIR模型,但传染病的扩散和发展往往是动态变化的,采用时间作为单一维度的仿真在疾病预测、预防和控制方面的准确性与真实情况仍有一定的偏差。
技术实现思路
[0003]本申请公开的一种新增病例数量生成方法、装置、服务器及存储介质,解决现有的基于时间作为单一维度的传染病模型的仿真存在真实性较差的问题。
[0004]第一方面,本申请提供了一种新增病例数量生成方法,包括:
[0005]从传染病病例库中获取第一预设时间范围的病例信息,所述病例信息包括病例特征以及所述第二预设时间范围的预设新增病例数量,将所述病例特征作为训练样本;其中,所述第二预设时间范围在所述第一 ...
【技术保护点】
【技术特征摘要】
1.一种新增病例数量生成方法,其特征在于,包括:从传染病病例库中获取第一预设时间范围的病例信息,所述病例信息包括病例特征以及所述第二预设时间范围的预设新增病例数量,将所述病例特征作为训练样本;其中,所述第二预设时间范围在所述第一预设时间范围之后;将所述训练样本输入待训练的数量生成模型,所述数量生成模型根据所述病例特征生成所述第二预设时间范围的预测新增病例数量,计算所述预测新增病例数量与所述预设新增病例数量的损失函数;若所述损失函数满足预设收敛条件,停止训练,得到数量生成模型,所述数量生成模型用于生成所述新增病例数量。2.根据权利要求1所述的方法,其特征在于,所述数量生成模型包括编码器、预设卷积神经网络和解码器;所述将所述训练样本输入待训练的数量生成模型,所述数量生成模型根据所述病例特征生成所述第二预设时间范围的预测新增病例数量,包括:将所述训练样本输入至所述编码器中,获取第一编码信息以及参数信息;将所述第一编码信息输入至所述预设卷积神经网络,获取第二编码信息;将所述第二编码信息和参数信息输入至所述解码器,获取所述第二预设时间范围的预测新增病例数量。3.根据权利要求2所述的方法,其特征在于,所述预设卷积神经网络包括扩散模型;所述将所述第一编码信息输入至所述预设卷积神经网络,获取第二编码信息,包括:将所述第一编码信息输入至所述扩散模型,所述扩散模型按照预设次数在所述第一编码信息中加入高斯噪声获取第三编码信息,所述扩散模型再对所述第三编码信息进行去噪,获取所述第二编码信息。4.根据权利要求2所述的方法,其特征在于,所述编码器的包括多层循环神经网络;所述将所述训练样本输入至所述编码器中,获取第一编码信息以及参数信息,包括:将所述训练样本输入至所述多层循环神经网络,所述循环神经网络对所述训练样本进行非线性变换处理,获取所述第一编码信息以及参数信息。5.根据权利要求1所述的方法,其特征在于,所述损失函数为交叉熵损失函数;所述计算所述预测新增病例数量与所述预设新增病例数量的损失函数,包括:计算所述预测新增病例数量与所述预设新增病例数量的交叉熵损失函数...
【专利技术属性】
技术研发人员:张渊,
申请(专利权)人:平安科技深圳有限公司,
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。