【技术实现步骤摘要】
本专利技术属于医疗信息，尤其涉及一种疾病风险预测方法、系统、电子设备、介质。
技术介绍
1、电子病历是医疗领域中包含丰富信息的重要数据源，其中包括患者的诊断、治疗过程、医嘱、实验室检查结果等。传统的机器学习方法往往难以有效地利用这些数据的复杂关联性和结构性，而图神经网络可以更好地处理这种具有复杂关联关系的数据。可以将电子病历中的临床表现、治疗过程和实验室检查结果及其之间的相互关系等信息转化为图结构，结合图神经网络的建模能力，构建疾病风险预测模型。在真实世界中的电子病历数据中，不同标签的患者数量分布存在较大差异，是非常不平衡的数据，使得疾病风险预测的准确度较小。
技术实现思路
1、针对现有技术不足，本专利技术提供了一种疾病风险预测方法、系统、电子设备、介质。
2、第一方面，本专利技术实施例提供了一种疾病风险预测方法，所述方法包括：
3、获取医学知识图谱；
4、根据医学知识图谱从每一个患者的电子病历数据中提取医学实体及其对应的关系从而构建每一个患者对应的电子
本文档来自技高网...【技术保护点】
1.一种疾病风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的疾病风险预测方法，其特征在于，基于医学知识图谱中的三元组对电子病历图数据进行增强从而获取简化电子病历图数据和扩展电子病历图数据包括：
3.根据权利要求2所述的疾病风险预测方法，其特征在于，计算医学知识图谱中的每个三元组在每一患者对应的电子病历图数据中的局部边权重包括：
4.根据权利要求1或2所述的疾病风险预测方法，其特征在于，对电子病历图数据进行增强从而获取简化电子病历图数据和扩展电子病历图数据还包括：
5.根据权利要求1所述的疾病风险预测方法...
【技术特征摘要】
1.一种疾病风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的疾病风险预测方法，其特征在于，基于医学知识图谱中的三元组对电子病历图数据进行增强从而获取简化电子病历图数据和扩展电子病历图数据包括：
3.根据权利要求2所述的疾病风险预测方法，其特征在于，计算医学知识图谱中的每个三元组在每一患者对应的电子病历图数据中的局部边权重包括：
4.根据权利要求1或2所述的疾病风险预测方法，其特征在于，对电子病历图数据进行增强从而获取简化电子病历图数据和扩展电子病历图数据还包括：
5.根据权利要求1所述的疾病风险预测方法，其特征在于，基于电子病历图数据提取患者语义信息表示包括：
6.根据权利要求1所述的疾病风险预测...
【专利技术属性】
技术研发人员：池胜强，李劲松，李雪瑶，王丰，周天舒，
申请(专利权)人：之江实验室，
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。