System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及疾病风险预测,更为具体来说,本专利技术涉及一种基于多模态医学数据的复杂疾病风险预测方法及装置。
技术介绍
1、目前,全球疾病种类繁多,每种疾病都有不同的发病机制。传统的疾病诊断主要靠医生经验,对于尚未发病或者症状轻微的情况判断具有局限性和偏差性。
技术实现思路
1、本申请实施例提供了一种基于多模态医学数据的复杂疾病风险预测方法及装置。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
2、第一方面,本申请实施例提供了一种基于多模态医学数据的复杂疾病风险预测方法,该方法包括:
3、获取复杂疾病的疾病名称或疾病表型;
4、根据所述疾病名称或所述疾病表型,得到所述复杂疾病的多模态医学数据;
5、根据所述多模态医学数据,建立所述复杂疾病的多基因复杂疾病发病风险模型;
6、根据所述多基因复杂疾病发病风险模型,预测所述复杂疾病的多基因复杂疾病发病风险概率。
7、根据一种优选实施方式,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的多模态医学数据,包括:
8、根据所述疾病名称或所述疾病表型,得到所述复杂疾病的临床信息、生物学样本数据和影像学检查数据;
9、将所述临床信息、所述生物学样本数据和所述影像学检查数据作为所述
10、根据一种优选实施方式,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的临床信息,包括:
11、根据所述疾病名称或所述疾病表型,得到所述复杂疾病的人口统计学因素、生活方式因素、健康状况因素和社交心理因素;
12、将所述人口统计学因素、所述生活方式因素、所述健康状况因素和所述社交心理因素作为所述复杂疾病的临床信息。
13、根据一种优选实施方式,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的生物学样本数据,包括:
14、根据所述疾病名称或所述疾病表型,得到所述复杂疾病的血液中的生化指标、尿液中的生化指标和基因突变信息;
15、将所述血液中的生化指标、所述尿液中的生化指标和所述基因突变信息作为所述复杂疾病的生物学样本数据。
16、根据一种优选实施方式,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的影像学检查数据,包括:
17、根据所述疾病名称或所述疾病表型,获取所述复杂疾病的影像学数据;
18、根据所述影像学数据,采用人工智能算法进行图像分割和计算机辅助检测,获取所述复杂疾病的影像学上疾病病灶相关参数;
19、将所述影像学上疾病病灶相关参数作为所述复杂疾病的影像学检查数据。
20、第二方面,本申请实施例提供了一种基于多模态医学数据的复杂疾病风险预测装置,该装置包括:
21、疾病获取模块,用于获取复杂疾病的疾病名称或疾病表型;
22、医学数据获取模块,用于根据所述疾病名称或所述疾病表型,得到所述复杂疾病的多模态医学数据;
23、模型建立模块,用于根据所述多模态医学数据,建立所述复杂疾病的多基因复杂疾病发病风险模型;
24、疾病风险预测模块,用于根据所述多基因复杂疾病发病风险模型,预测所述复杂疾病的多基因复杂疾病发病风险概率。
25、根据一种优选实施方式,所述医学数据获取模块,用于根据所述疾病名称或所述疾病表型,得到所述复杂疾病的临床信息、生物学样本数据和影像学检查数据;将所述临床信息、所述生物学样本数据和所述影像学检查数据作为所述复杂疾病的多模态医学数据。
26、根据一种优选实施方式,所述医学数据获取模块,具体包括:
27、临床信息获取单元,用于根据所述疾病名称或所述疾病表型,得到所述复杂疾病的人口统计学因素、生活方式因素、健康状况因素和社交心理因素;将所述人口统计学因素、所述生活方式因素、所述健康状况因素和所述社交心理因素作为所述复杂疾病的临床信息;
28、生物学样本数据获取单元,用于根据所述疾病名称或所述疾病表型,得到所述复杂疾病的血液中的生化指标、尿液中的生化指标和基因突变信息;将所述血液中的生化指标、所述尿液中的生化指标和所述基因突变信息作为所述复杂疾病的生物学样本数据;
29、影像学数据获取单元,用于根据所述疾病名称或所述疾病表型,获取所述复杂疾病的影像学数据;根据所述影像学数据,采用人工智能算法进行图像分割和计算机辅助检测,获取所述复杂疾病的影像学上疾病病灶相关参数;将所述影像学上疾病病灶相关参数作为所述复杂疾病的影像学检查数据。
30、第三方面,本申请实施例提供一种计算机存储介质,计算机存储介质存储有多条指令,指令适于由处理器加载并执行上述的方法步骤。
31、第四方面,本申请实施例提供一种终端,可包括:处理器和存储器;其中,存储器存储有计算机程序,计算机程序适于由处理器加载并执行上述的方法步骤。
32、本申请实施例提供的技术方案可以包括以下有益效果:
33、在本申请实施例中,所述基于多模态医学数据的复杂疾病风险预测方法,首先获取复杂疾病的疾病名称或疾病表型;然后根据所述疾病名称或所述疾病表型,得到所述复杂疾病的多模态医学数据;其次根据所述多模态医学数据,建立所述复杂疾病的多基因复杂疾病发病风险模型;最后根据所述多基因复杂疾病发病风险模型,预测所述复杂疾病的多基因复杂疾病发病风险概率。针对传统的疾病诊断主要靠医生经验,对于尚未发病或者症状轻微的情况判断具有局限性和偏差性的问题。本申请基于多模态医学数据构建多基因复杂疾病发病风险模型来研究预测多基因复杂疾病发病风险概率供医务工作者参考,具有精准、可靠和自动化程度高的特点。
34、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本专利技术。
本文档来自技高网...【技术保护点】
1.一种基于多模态医学数据的复杂疾病风险预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多模态医学数据的复杂疾病风险预测方法,其特征在于,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的多模态医学数据,包括:
3.根据权利要求2所述的基于多模态医学数据的复杂疾病风险预测方法,其特征在于,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的临床信息,包括:
4.根据权利要求2所述的基于多模态医学数据的复杂疾病风险预测方法,其特征在于,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的生物学样本数据,包括:
5.根据权利要求2所述的基于多模态医学数据的复杂疾病风险预测方法,其特征在于,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的影像学检查数据,包括:
6.一种基于多模态医学数据的复杂疾病风险预测装置,其特征在于,包括:
7.根据权利要求1所述的复杂疾病风险预测装置,其特征在于,所述医学数据获取模块,用于根据所述疾病名称或所述疾病表型,得到所述复杂疾病的临床信息、生物学样本数
8.根据权利要求7所述的复杂疾病风险预测装置,其特征在于,所述医学数据获取模块,具体包括:
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1-5任意一项的方法步骤。
10.一种终端,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1-5任意一项的方法步骤。
...【技术特征摘要】
1.一种基于多模态医学数据的复杂疾病风险预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多模态医学数据的复杂疾病风险预测方法,其特征在于,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的多模态医学数据,包括:
3.根据权利要求2所述的基于多模态医学数据的复杂疾病风险预测方法,其特征在于,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的临床信息,包括:
4.根据权利要求2所述的基于多模态医学数据的复杂疾病风险预测方法,其特征在于,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的生物学样本数据,包括:
5.根据权利要求2所述的基于多模态医学数据的复杂疾病风险预测方法,其特征在于,所述根据所述疾病名称或所述疾病表型,得到所述复杂疾病的影像学检查数据,包括:
6.一种基...
【专利技术属性】
技术研发人员:蔡瑞琨,马旭,
申请(专利权)人:国家卫生健康委科学技术研究所,
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。