一种基于深度学习的肺炎联合指标分析方法技术

本发明专利技术公开了一种基于深度学习的肺炎联合指标分析方法，包括：获取历史患者临床数据，将所述历史患者临床数据进行处理标准化处理，获得标准化数据集；将所述标准化数据集进行联合数据权重分析，获得权重标注数据集；构建神经网络模型，将所述权重标注数据集输入至所述神经网络模型中进行训练，获得联合指标分析模型；获取患者临床数据，将所述患者临床数据输入至所述联合指标分析模型中进行分析，获得肺炎联合指标。本发明专利技术将病人之间的联合指标进行分析，可以及时的对病人体内的指标进行纠正，在早期识别疾病进展风险以及对合理分配医疗资源、制定管理策略及防止不良结局事件发生具有重大意义。有重大意义。有重大意义。

【技术实现步骤摘要】
一种基于深度学习的肺炎联合指标分析方法


[0001]本专利技术属于数据分析领域，特别是涉及一种基于深度学习的肺炎联合指标分析方法。

技术介绍

[0002]肺炎的主要临床表现与严重急性呼吸综合征和中东呼吸综合征类似，为发热、咳嗽和气促等。肺部影像学检查是重要的辅助诊断方式之一，然而肺部影像学表现特点则为典型的病毒性肺炎特点，早期表现主要为双肺胸膜下斑片状磨玻璃影，与季节性流感等病毒性肺炎在影像学上无法区分和鉴别诊断，因此大多数是通过人体指标进行分析。
[0003]但是目前对人体内部的指标的分析大多数为单一性分析，即只分析出一项指标对肺炎的影响，而忽略了与该指标相关的指标的影响，造成了误差，同时浪费了医疗资源的同时，加重了病人的经济负担。

技术实现思路

[0004]本专利技术的目的是提供一种基于深度学习的肺炎联合指标分析方法，以解决上述现有技术存在的问题。
[0005]为实现上述目的，本专利技术提供了一种基于深度学习的肺炎联合指标分析方法，包括：
[0006]获取历史患者临床数据，将所述历史患者临床数据进行处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的肺炎联合指标分析方法，其特征在于，包括以下步骤：获取历史患者临床数据，将所述历史患者临床数据进行处理标准化处理，获得标准化数据集；将所述标准化数据集进行联合数据权重分析，获得权重标注数据集；构建神经网络模型，将所述权重标注数据集输入至所述神经网络模型中进行训练，获得联合指标分析模型；获取患者临床数据，将所述患者临床数据输入至所述联合指标分析模型中进行分析，获得肺炎联合指标。2.根据权利要求1所述的基于深度学习的肺炎联合指标分析方法，其特征在于，所述获得标准化数据集的过程包括：获取历史患者临床数据，将所述历史患者临床数据进行统计分析后进行正态性检验，获得检验数据；将所述检验数据进行标准化处理并进行整合，获得所述标准化数据集。3.根据权利要求2所述的基于深度学习的肺炎联合指标分析方法，其特征在于，所述获得检验数据的过程包括：将所述历史患者临床数据进行正态性检验，获得正态分布数据和非正态分布数据；将所述正态分布数据进行t检验，将所述非正态分布数据进行参数秩和检验，获得所述检验数据。4.根据权利要求1所述的基于深度学习的肺炎联合指标分析方法，其特征在于，所述获得权重标注数据集的过程包括：将所述标准化数据集进行数据相互关系确定，基于所述数据相互关系获取数据之间的权重函数关系；基于所述数据之间的权重函数关系对所述标准化数据集进行标注，获得所述权重标注数据集。5.根据权利要求4所述的基于...

【专利技术属性】
技术研发人员：戈艳蕾，刘聪辉，崔俊昌，刘靖轩，白静，陈伟斌，张嘉宾，付爱双，孙晔，陈前程，范竹，董爱英，
申请(专利权)人：华北理工大学附属医院，
类型：发明
国别省市：