本申请提供一种信息预警方法、装置、电子设备及存储介质,涉及神经网络技术领域。该方法基于对医疗信息与药物反应的因果分析,可从医疗信息中挖掘得到对反应类别的预测精度有提升效果的有效特征,从而在进行患者的反应类别预测时,可首先从患者的医疗信息中抽取出有效的临床特征、行为学特征以及影像学特征,采用预先训练得到的信息预测模型,预测得到患者的反应类别。相比于传统的以单一维度特征进行预测的方式而言,本方案的预测结果精度更高,且由于对特征进行了有效筛选,进一步地提升了预测结果的可解释性和精确性。
【技术实现步骤摘要】
本申请涉及神经网络,具体而言,涉及一种信息预警方法、装置、电子设备及存储介质。
技术介绍
1、随着计算机技术的发展,可以采用神经网络模型对患者的药物反应类别进行预测,以为后续的诊疗提供参考数据。
2、现有的预测模型所使用的训练样本数据较为单一,且并没有有效的挖掘出能够提升模型预测精度的特征用于训练,从而导致训练得到的预测模型的精确度较低。
技术实现思路
1、本申请的目的在于,针对上述现有技术中的不足,提供一种信息预警方法、装置、电子设备及存储介质,以便于提升模型的精度。
2、为实现上述目的,本申请实施例采用的技术方案如下:
3、第一方面,本申请实施例提供了一种信息预警方法,包括:
4、采集待预测患者的医疗信息,所述医疗信息至少包括:临床信息、行为学信息以及影像学信息;
5、根据所述影像学信息,获取所述待预测患者的指定影像学指标的指标数据;
6、根据所述指定影像学指标以及指定影像学指标与临床信息、指定影像学指标与行为学信息之间的关联关系,从所述临床信息中抽取所述待预测患者的临床特征,并从所述行为学信息中抽取所述待预测患者的行为学特征;
7、根据所述待预测患者的指定影像学指标的指标数据、所述待预测患者的临床特征以及所述待预测患者的行为学特征,采用预先训练的信息预测模型,确定所述待预测患者的反应类别,所述反应类别包括:难治类或者阳性反应类。
8、可选地,所述信息预测模型采用如下方式训练得到:</p>9、采集训练样本集合,所述训练样本集合中包括多组样本数据,每组样本数据包括:样本患者的临床信息、行为学信息以及影像学信息,其中,多组样本数据中的部分组样本数据标记有标签信息,所述标签信息用于指示样本患者的反应类别;
10、对所述训练样本集合中每组样本数据进行特征筛选,得到目标训练样本集合,所述目标训练样本集合中每组样本数据包括样本患者的临床特征、行为学特征以及指定影像学指标的指标数据;
11、根据所述目标训练样本集合,训练得到所述信息预测模型。
12、可选地,所述对所述训练样本集合中每组样本数据进行特征筛选,得到目标训练样本集合之前,还包括:
13、对样本患者的影像学信息以及标准影像学信息进行比对分析,确定样本患者的影像学信息与标准影像学信息之间的差异信息;
14、采用第一预设算法对样本患者的影像学信息与标准影像学信息之间的差异信息进行分析处理,从差异信息中确定出目标差异信息,所述目标差异信息用于表征与治疗具有因果关系的信息;
15、根据目标差异信息与影像学指标之间的对应关系,确定目标差异信息对应的影像学指标为所述指定影像学指标;
16、根据所述指定影像学指标,确定与所述指定影像学指标关联的临床信息以及与所述指定影像学指标关联的行为学信息。
17、可选地,所述根据所述指定影像学指标,确定与所述指定影像学指标关联的临床信息以及与所述指定影像学指标关联的行为学信息,包括:
18、根据样本患者的指定影像学指标的指标数据、样本患者的临床信息以及行为学信息,采用稀疏偏最小二乘法,确定与所述指定影像学指标关联的临床信息以及与所述指定影像学指标关联的行为学信息。
19、可选地,所述对所述训练样本集合中每组样本数据进行特征筛选,得到目标训练样本集合,包括:
20、根据所述指定影像学指标,从各组样本数据中的影像学信息中抽取指定影像学指标的指标数据;
21、根据与所述指定影像学指标关联的临床信息,从各组样本数据中的临床信息中抽取临床特征;
22、根据与所述指定影像学指标关联的行为学信息,从各组样本数据中的临床信息中抽取行为学特征;
23、根据从各组样本数据中抽取的指定影像学指标的指标数据、临床特征以及行为学特征,得到所述目标训练样本集合。
24、可选地,所述根据所述目标训练样本集合,训练得到所述信息预测模型,包括:
25、将所述目标训练样本集合输入初始的信息预测模型中,根据所述初始的信息预测模型对样本患者的分类结果,迭代优化初始的信息预测模型的超平面参数;
26、根据优化后的信息预测模型输出的预测结果以及目标训练样本集合中的标签信息,迭代修正优化后的信息预测模型的网络参数,得到所述信息预测模型。
27、可选地,所述根据所述初始的信息预测模型对样本患者的分类结果,迭代优化初始的信息预测模型的超平面参数,包括:
28、根据当前迭代中初始的信息预测模型对样本患者的分类结果以及样本患者对应的标签信息,确定当前迭代中具有相同标签信息的样本患者被划分在同一平面中的数量是否满足预设阈值;
29、若满足,则将当前的平面划分数量确定为所述初始的信息预测模型的超平面参数。
30、第二方面,本申请实施例还提供了一种信息预警装置,包括:采集模块、获取模块、特征抽取模块以及预测模块;
31、所述采集模块,用于采集待预测患者的医疗信息,所述医疗信息至少包括:临床信息、行为学信息以及影像学信息;
32、所述获取模块,用于根据所述影像学信息,获取所述待预测患者的指定影像学指标的指标数据;
33、所述特征抽取模块,用于根据所述指定影像学指标以及指定影像学指标与临床信息、指定影像学指标与行为学信息之间的关联关系,从所述临床信息中抽取所述待预测患者的临床特征,并从所述行为学信息中抽取所述待预测患者的行为学特征;
34、所述预测模块,用于根据所述待预测患者的指定影像学指标的指标数据、所述待预测患者的临床特征以及所述待预测患者的行为学特征,采用预先训练的信息预测模型,确定所述待预测患者的反应类别,所述反应类别包括:难治类或者阳性反应类。
35、可选地,还包括:训练模块;
36、所述训练模块,用于采集训练样本集合,所述训练样本集合中包括多组样本数据,每组样本数据包括:样本患者的临床信息、行为学信息以及影像学信息,其中,多组样本数据中的部分组样本数据标记有标签信息,所述标签信息用于指示样本患者的反应类别;
37、对所述训练样本集合中每组样本数据进行特征筛选,得到目标训练样本集合,所述目标训练样本集合中每组样本数据包括样本患者的临床特征、行为学特征以及指定影像学指标的指标数据;
38、根据所述目标训练样本集合,训练得到所述信息预测模型。
39、可选地,还包括:确定模块;
40、确定模块,用于对样本患者的影像学信息以及标准影像学信息进行比对分析,确定样本患者的影像学信息与标准影像学信息之间的差异信息;
41、采用第一预设算法对样本患者的影像学信息与标准影像学信息之间的差异信息进行分析处理,从差异信息中确定出目标差异信息,所述目标差异信息用于表征与治疗具有因果关系的信息;
42、根据目标差异信息与影像学本文档来自技高网
...
【技术保护点】
1.一种信息预警方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述信息预测模型采用如下方式训练得到:
3.根据权利要求2所述的方法,其特征在于,所述对所述训练样本集合中每组样本数据进行特征筛选,得到目标训练样本集合之前,还包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述指定影像学指标,确定与所述指定影像学指标关联的临床信息以及与所述指定影像学指标关联的行为学信息,包括:
5.根据权利要求4所述的方法,其特征在于,所述对所述训练样本集合中每组样本数据进行特征筛选,得到目标训练样本集合,包括:
6.根据权利要求2所述的方法,其特征在于,所述根据所述目标训练样本集合,训练得到所述信息预测模型,包括:
7.根据权利要求6所述的方法,其特征在于,所述根据所述初始的信息预测模型对样本患者的分类结果,迭代优化初始的信息预测模型的超平面参数,包括:
8.一种信息预警装置,其特征在于,包括:采集模块、获取模块、特征抽取模块以及预测模块;
9.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的程序指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述程序指令,以实现如权利要求1至7任一所述的信息预警方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时以实现如权利要求1至7任一所述的信息预警方法。
...
【技术特征摘要】
1.一种信息预警方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述信息预测模型采用如下方式训练得到:
3.根据权利要求2所述的方法,其特征在于,所述对所述训练样本集合中每组样本数据进行特征筛选,得到目标训练样本集合之前,还包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述指定影像学指标,确定与所述指定影像学指标关联的临床信息以及与所述指定影像学指标关联的行为学信息,包括:
5.根据权利要求4所述的方法,其特征在于,所述对所述训练样本集合中每组样本数据进行特征筛选,得到目标训练样本集合,包括:
6.根据权利要求2所述的方法,其特征在于,所述根据所述目标训练样本集合,训练得到所述信息预测...
【专利技术属性】
技术研发人员:张鹏,吴国伟,唐利荣,王振常,李占江,陈乾,王佳妮,李卫华,王伊玲,王淼,吕晗,
申请(专利权)人:首都医科大学附属北京友谊医院,
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。