一种糖尿病并发症监测辅助系统及其方法技术方案

本发明专利技术公开了并发症监测技术领域的一种糖尿病并发症监测辅助系统及其方法，所述系统包括：数据采集模块，用于实时获取用户的本地多模态数据；联邦学习模块，用于通过分布式架构整合用户的本地多模态数据与其他匿名医疗数据库，构建多家跨机构的并发症预测模型；因果推理模块，用于基于反事实的因果推理算法，解析血糖波动、糖化血红蛋白与目标并发症之间的因果关系，输出因果效应值以修正预测偏差；预测模块，基于因果效应值及并发症预测模型输出的风险评分，生成未来特定并发症的发生概率，并按风险等级分类；预警模块，用于根据风险等级生成个性化干预建议。本方案通过联邦学习分布式架构降低采集数据过程中数据泄露风险，提高预测的可靠性。

【技术实现步骤摘要】

本专利技术属于并发症监测，具体是一种糖尿病并发症监测辅助系统及其方法。

技术介绍

1、糖尿病是一种全球范围内广泛存在的慢性疾病，其发病率呈现逐年上升的趋势。随着糖尿病病程的延长以及血糖控制不佳等因素影响，患者会出现各种各样的并发症，这些并发症涉及多个器官系统，严重威胁着患者的身体健康和生命安全，同时给患者家庭以及社会带来了沉重的医疗和经济负担。

2、目前，许多监测系统采用传统的统计分析方法，如回归分析以及风险评分模型等，对收集到的数据进行分析，以评估患者发生并发症的风险。部分先进的系统开始引入机器学习算法，如决策树、神经网络等，以提高预测的准确性和精度。然而，现有技术仍然存在诸多问题：

3、例如，授权公开号为cn118039157b的专利公开了一种基于图神经网络的ii型糖尿病并发症协同预测方法，通过构建多种关系图并深度融合这些关系信息，挖掘出患者和并发症间更全面、更复杂的关联模式，从而更精准地预测并发症的发生概率。该方法对输入数据的质量和完整性较为敏感。在数据收集、存储、传输和分析过程中，存在数据泄露、滥用等风险，一旦患者数据被泄露本文档来自技高网...

【技术保护点】

1.一种糖尿病并发症监测辅助系统，其特征在于：包括：

2.根据权利要求1所述的糖尿病并发症监测辅助系统，其特征在于：联邦学习模块采用分层聚合架构，包括：

3.根据权利要求2所述的糖尿病并发症监测辅助系统，其特征在于：因果推理模块的工作流程包括以下步骤：

4.根据权利要求3所述的糖尿病并发症监测辅助系统，其特征在于：还包括参数权重动态优化模块，稀疏性动态优化模块用于基于各个匿名医疗数据库内的参数稀疏性，对并发症预测模型中的各项参数权重进行重新分配，从两个方面考量参数稀疏性，分别为参数的维度及其所对应的样本数量，建立动态权重分配机制，对高维低样本参数采用正...

【技术特征摘要】

1.一种糖尿病并发症监测辅助系统，其特征在于：包括：

2.根据权利要求1所述的糖尿病并发症监测辅助系统，其特征在于：联邦学习模块采用分层聚合架构，包括：

3.根据权利要求2所述的糖尿病并发症监测辅助系统，其特征在于：因果推理模块的工作流程包括以下步骤：

4.根据权利要求3所述的糖尿病并发症监测辅助系统，其特征在于：还包括参数权重动态优化模块，稀疏性动态优化模块用于基于各个匿名医疗数据库内的参数稀疏性，对并发症预测模型中的各项参数权重进行重新分配，从两个方面考量参数稀疏性，分别为参数的维度及其所对应的样本数量，建立动态权重分配机制，对高维低样本参数采用正则化约束，对低维高样本参数启用深度特征提取。

5.根据权利要求4所述的糖尿病并发症监测辅助系统，其特征在于：所述动态权重分配机制包括以下步骤...

【专利技术属性】
技术研发人员：王少波，孙小芳，伦少聪，廖智威，包利文，
申请(专利权)人：东莞市厚街医院，
类型：发明
国别省市：