[發明專利]閾值判定模型確定方法、裝置、醫療檢測設備及存儲介質

在審

• 申請號: 201811458809.3
• 申請日: 2018-11-30
• 公開（公告）號: CN109599178A
• 公開（公告）日: 2019-04-09
• 發明（設計）人: 楊承其
• 申請（專利權）人: 蘇州麥迪斯頓醫療科技股份有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/30;G16H10/60
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種閾值判定模型確定方法，其特征在于，包括：

使用閾值訓練樣本對對預先構建的神經網絡模型進行訓練；其中，所述閾值訓練樣本對包括基于患者病歷所提取的閾值參考數據和與所述閾值參考數據對應的閾值結果數據；所述閾值結果數據包括閾值上限和/或閾值下限；

將訓練完成的神經網絡模型作為所述閾值判定模型，以根據所述閾值判定模型確定不同患者的預警閾值。

2.根據權利要求1所述的方法，其特征在于，在所述使用閾值訓練樣本對對預先構建的神經網絡模型進行訓練之前，還包括：

獲取患者的電子病歷，并從所述電子病歷中提取原始參考數據；

對所述原始參考數據進行數值轉化，得到所述閾值參考數據。

3.根據權利要求2所述的方法，其特征在于，所述原始參考數據包括患者的基本數據；

相應的，對所述原始參考數據進行數值轉化，得到所述閾值參考數據，包括：

獲取所述基本數據的項目類別，并根據不同項目類別的基本數據對應的分類區間確定目標基本數據；其中，所述閾值參考數據包括所述目標基本數據。

4.根據權利要求2所述的方法，其特征在于，所述原始參考數據包括診斷數據；

相應的，對所述原始參考數據進行數值轉化，得到所述閾值參考數據，包括：

獲取所述診斷數據的數據類型；

若所述數據類型為非數值型，則根據預設的文本數值映射表確定與所述診斷數據對應的數值作為目標診斷數據；

若所述數值類型為數值型，將所述診斷數據作為目標診斷數據；其中所述閾值參考數據包括所述目標診斷數據。

5.根據權利要求2所述的方法，其特征在于，所述原始參考數據包括臨床監測數據；

相應的，對所述原始參考數據進行數值轉化，得到所述閾值參考數據，包括：

獲取各臨床監測數據的項目類別，并計算各項目類別的臨床監測數據在監測時間段的平均值作為目標監測數據；其中所述閾值參考數據包括所述目標監測數據。

6.根據權利要求1所述的方法，其特征在于，所述使用閾值訓練樣本對對預先構建的神經網絡模型進行訓練，包括：

選取設定數量的閾值訓練樣本對；

依次獲取一個閾值訓練樣本對所包含的閾值參考數據輸入至預先構建的神經網絡模型中，得到模型輸出結果；

根據與閾值參考數據對應的閾值結果數據和所述模型輸出結果，對預先構建的神經網絡模型中的加權參數進行調整；

返回執行閾值參考數據輸入至神經網絡模型的操作，直至達到預先設定的訓練結束條件。

7.根據權利要求1-6中任一項所述的方法，其特征在于，所述根據所述閾值判定模型確定不同患者的預警閾值，包括：

獲取當前患者的閾值預測樣本作為所述閾值判定模型的輸入，得到所述當前患者的預測閾值結果；其中，所述閾值預測樣本包括基本數據、診斷數據以及臨床監測數據中的至少一項；

根據所述預測閾值結果，確定當前患者的預警閾值。

8.一種閾值判定模型確定裝置，其特征在于，包括：

模型訓練模塊，用于使用閾值訓練樣本對對預先構建的神經網絡模型進行訓練；其中，所述閾值訓練樣本對包括基于患者病歷所提取的閾值參考數據和與所述閾值參考數據對應的閾值結果數據；所述閾值結果數據包括閾值上限和/或閾值下限；

模型確定模塊，用于將訓練完成的神經網絡模型作為所述閾值判定模型，以根據所述閾值判定模型確定不同患者的預警閾值。

9.一種醫療檢測設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一項所述的一種閾值判定模型確定方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一項所述的一種閾值判定模型確定方法。