基于征兆时序变化构建疾病诊断模型的方法及系统技术方案

本发明专利技术实施例公开了一种基于征兆时序变化构建疾病诊断模型的方法及系统，基于征兆时序变化构建疾病诊断模型的方法包括：获取一定数量的病例样本数据集，并提取所述病例样本数据集的征兆时序特征信息；基于所述征兆时序特征信息构建训练集；基于lstm算法构建疾病诊断模型；将所述训练集输入所述疾病诊断模型进行训练，基于AdaBoost算法对征兆时序特征信息的不确定性和完整性进行增强，得到训练好的疾病诊断模型；将待诊断患者的疾病信息输入所述疾病诊断模型，得到疾病诊断结果。该基于征兆时序变化构建疾病诊断模型的方法解决现有技术中无法鉴定即将发生疾病骤变的临界阶段或临界状态，实现疾病前兆诊断的问题。实现疾病前兆诊断的问题。实现疾病前兆诊断的问题。

【技术实现步骤摘要】
基于征兆时序变化构建疾病诊断模型的方法及系统


[0001]本专利技术涉及计算机
，具体涉及一种基于征兆时序变化构建疾病诊断模型的方法、系统、电子设备及存储介质。

技术介绍

[0002]复杂疾病难以治愈且严重影响人类生活质量，目前，复杂疾病的发病率逐年升高，因此复杂疾病的早期诊断、预防和治疗等相关领域的研究备受关注。
[0003]在复杂疾病临床诊断工作中，医生一般通过观察患者征兆的特征与出现的时间顺序以及征兆的严重程度等，再结合病史、体检和实验室检查，通过综合分析，然后进行鉴别，做出诊断或者辅助诊断。这种筛查，不仅过程繁杂，而且需借助多种手段或途径才能得到所要的结果。
[0004]目前，随着对复杂疾病的不断深入了解，发现疾病发生和恶化过程并非总是单调式的线性渐变(量变)而是在某些阶段伴随着剧烈的非线性骤变(质变)，这样的质变正是复杂疾病治愈难的原因之一。
[0005]亟需一种基于征兆时序变化构建疾病诊断模型的方法，通过获取复杂疾病基于征兆时序变化的特征，来获取疾病状态前(骤变前)的临界状态的早期预警信号，以此鉴定即将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于征兆时序变化构建疾病诊断模型的方法，其特征在于，包括：获取一定数量的病例样本数据集，并提取所述病例样本数据集的征兆时序特征信息；基于所述征兆时序特征信息构建训练集；基于lstm算法构建疾病诊断模型；将所述训练集输入所述疾病诊断模型进行训练，基于AdaBoost算法对征兆时序特征信息的不确定性和完整性进行增强，得到训练好的疾病诊断模型；将待诊断患者的疾病信息输入所述疾病诊断模型，得到疾病诊断结果。2.根据权利要求1所述基于征兆时序变化构建疾病诊断模型的方法，其特征在于，所述病例样本数据集包括至少两个模态的数据，所述两个模态包括征兆与时序信息、征兆与程度信息、征兆程度与时序信息。3.根据权利要求1所述基于征兆时序变化构建疾病诊断模型的方法，其特征在于，所述获取一定数量的病例样本数据集，并提取所述病例样本数据集的征兆时序特征信息，包括：基于TextRank算法对所述病例样本数据集中的文本信息进行关键词提取，基于所述关键词得到病例样本数据集的征兆时序特征信息。4.根据权利要求1所述基于征兆时序变化构建疾病诊断模型的方法，其特征在于，所述基于所述征兆时序特征信息构建训练集，包括：基于病例样本数据集的征兆时序特征信息，以疾病时序变化特征为标签，对所述征兆时序特征信息进行z
‑
score标准化处理；基于进行z
‑
score标准化处理后的征兆时序特征信息构建训练集。5.根据权利要求1所述基于征兆时序变化构建疾病诊断模型的方法，其特征在于，所述将所述训练集输入所述疾病诊断模型进行训练，基于AdaBoost算法对征兆时序特征信息的不确定性和完整性进行增强，得到训练好的疾病诊断模型，包括：将经z
‑
score标准化处理后的征兆时序特征信息划分为训练集、验证集和测试集；基于所述训练集训练所述疾病诊断模型；基于所述验证集对训练后的所述疾病诊断模型进行性能评估，得到满足性能条件的疾病诊断模型；基于所述测试集评估满足性能条件的...

【专利技术属性】
技术研发人员：杜登斌，
申请(专利权)人：吾征智能技术北京有限公司，
类型：发明
国别省市：