疾病预测模型的训练方法、疾病预测系统技术方案

本发明专利技术涉及医疗信息技术领域，公开疾病预测模型的训练方法、疾病预测系统，包括步骤：收集大量的原始病例数据，对原始病例数据进行预处理，整理出医疗数据和诊断结果；将医疗数据和诊断结果作为训练集对神经网络模型进行训练，使得神经网络模型输出医疗数据或诊断结果的预测概率；基于神经网络模型输出的预测概率，通过XGBoost算法构建疾病预测模型。本发明专利技术基于病人的原始病例数据，以多模态医疗数据为训练集训练出能够对医疗数据或诊断结果进行预测的神经网络模型，最后构建疾病预测模型用于输入待预测数据后得到诊断结果辅助医生诊断。

【技术实现步骤摘要】

本专利技术涉及医疗信息，特别涉及一种疾病预测模型的训练方法、疾病预测系统。

技术介绍

1、医学诊断指的是根据病人的症状和数据来判断病人所患的疾病，这需要具有医学专业知识的医生根据大量的医疗数据来进行诊断，但很多地区都面临着医疗资源短缺的问题，医生的数量远远无法满足人们的需求。随着深度学习技术的发展，人们开始用人工智能来辅助医生进行医学诊断，从而缓解医疗资源不足的问题，让更多的人可以及时得到医疗救助。因此研究基于深度学习的医疗诊断技术具有非常重要的现实意义和广阔的应用前景。

2、医疗数据中存在着大量结构上的关联，比如同一病人所进行的各项检查之间存在着结构关联，但现有的疾病预测模型训练方法研究中没有考虑这些结构上的关系，忽略了其中丰富的信息，导致最终训练得到的疾病预测模型的疾病预测结果效果不好，从而不能很好地辅助医生进行疾病诊断。

技术实现思路

1、本专利技术的目的在于基于病人的原始病例数据，以多模态医疗数据为训练集训练出能够对医疗数据或诊断结果进行预测的神经网络模型，最后构建疾病预测模型用于输入待预本文档来自技高网...

【技术保护点】

1.疾病预测模型的训练方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的疾病预测模型的训练方法，其特征在于：所述步骤2具体包括以下步骤：

3.根据权利要求2所述的疾病预测模型的训练方法，其特征在于：所述步骤3具体包括以下步骤：

4.疾病预测系统，其特征在于：包括：

【技术特征摘要】

1.疾病预测模型的训练方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的疾病预测模型的训练方法，其特征在于：所述步骤2具体包括以下步骤...

【专利技术属性】
技术研发人员：陈娜，张培，杨青，李吟枫，曹莉莉，许正，
申请(专利权)人：中国人民解放军空军军医大学，
类型：发明
国别省市：