一种基于召回的肾癌预测方法、设备及程序产品技术

本申请涉及智能医疗领域，具体涉及一种基于召回的肾癌预测方法、设备及程序产品。包括S1、获取临床数据；S2、将所述临床数据输至rag模块中得到召回向量；所述rag模块包括召回模块、存储模块，所述召回模块包括文本召回单元、模型召回单元，临床数据通过所述文本召回单元将临床数据与存储模块中的文本进行相似性计算得到相似文本数据，所述相似文本数据通过模型召回单元将相似文本数据输至召回模型得到召回向量；S3、将所述召回向量输至大语言模型中进行肾癌预测得到预测结果。本申请整合向量数据与文本数据进行肾癌预测，具有很好临床价值。

【技术实现步骤摘要】

本申请涉及智能医疗领域，具体涉及一种基于召回的肾癌预测方法、设备、程序产品及计算机可读存储介质。

技术介绍

1、肾癌是泌尿系统中常见的恶性肿瘤之一，肾癌在早期往往没有明显的症状，很多患者是在晚期才被发现，这时癌症可能已经扩散到身体其他部位，提高早期诊断率、改善患者预后以及减少过度筛查的需求增大，目前，临床上对于肾癌预后的评估多依赖于传统的统计方法和医生的经验判断，但肾癌预后受多种因素影响，包括病理类型、临床分期、治疗方案及患者个体特征等，传统的统计方法存在主观性强、准确性不足的问题。随着人工智能技术的快速发展，特别是在自然语言处理和深度学习领域的突破，为肾癌预后的精准预测提供了新的可能。但现有的人工智能预测系统大多基于单一数据源，缺乏多源信息的综合利用。

技术实现思路

1、针对上述问题，本专利技术提出一种基于召回的肾癌预测方法，具体包括：

2、s1、获取临床数据；

3、s2、将所述临床数据输至rag模块中得到召回向量；所述rag模块包括召回模块、存储模块，所述召回模块包括文本召回单元、本文档来自技高网...

【技术保护点】

1.一种基于召回的肾癌预测方法，其特征在于，包括：

2.根据权利要求1所述的基于召回的肾癌预测方法，其特征在于，所述召回模型的训练过程为：

3.根据权利要求1所述的基于召回的肾癌预测方法，其特征在于，所述S105替换为：基于所述梯度更新数据和第二训练集训练第二召回模型得到第二梯度更新数据，获取测试数据并通过测试数据训练基于第二梯度更新数据更新的第一召回模型，得到召回模型。

4.根据权利要求1所述的基于召回的肾癌预测方法，其特征在于，所述rag模块包括还包括向量化模块，相似文本数据通过所述向量化模块进行向量化转换得到文本向量，所述文本向量通过模型召回单元...

【技术特征摘要】

1.一种基于召回的肾癌预测方法，其特征在于，包括：

2.根据权利要求1所述的基于召回的肾癌预测方法，其特征在于，所述召回模型的训练过程为：

3.根据权利要求1所述的基于召回的肾癌预测方法，其特征在于，所述s105替换为：基于所述梯度更新数据和第二训练集训练第二召回模型得到第二梯度更新数据，获取测试数据并通过测试数据训练基于第二梯度更新数据更新的第一召回模型，得到召回模型。

4.根据权利要求1所述的基于召回的肾癌预测方法，其特征在于，所述rag模块包括还包括向量化模块，相似文本数据通过所述向量化模块进行向量化转换得到文本向量，所述文本向量通过模型召回单元将文本向量输至召回模型得到召回向量；

5.根据权利要求1所述的基于召回的肾癌预测方法，其特征在于，所述召回模型包括下列的一种或几种：卷积神经网络、空洞卷积神经网络、残差网络、transformer；

6.根据权利要求1所述的基于召回的肾癌预测方法，其特征在于，对文本的相似度...

【专利技术属性】
技术研发人员：龚侃，杨良志，周煜东，刘硕，张泽丹，王艺宙，刘昊德，何天一，
申请(专利权)人：北京大学第一医院北京大学第一临床医学院，
类型：发明
国别省市：