[發(fā)明專利]疾病事件發(fā)生概率的預測方法、裝置、設備及計算機介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011633304.3
• 申請日: 2020-12-31
• 公開（公告）號: CN112633601B
• 公開（公告）日: 2022-12-09
• 發(fā)明（設計）人: 金鑫
• 申請（專利權）人: 天津開心生活科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N20/10;G06F16/21;G16H50/70
• 代理公司: 北京律智知識產(chǎn)權代理有限公司 11438
• 代理人: 孫寶海;闞梓瑄

1.一種疾病事件發(fā)生概率的預測方法，其特征在于，包括：

獲取樣本數(shù)據(jù)庫，以及所述樣本數(shù)據(jù)庫中各個樣本的特征數(shù)據(jù)和事件類型；

獲取目標患者的特征數(shù)據(jù)，并根據(jù)所述目標患者的特征數(shù)據(jù)和所述樣本數(shù)據(jù)庫中各個樣本的特征數(shù)據(jù)，得到所述目標患者與所述樣本之間的相似度；

根據(jù)所述目標患者與所述樣本之間的相似度將所述樣本劃分為相似樣本集合和無關樣本集合，并將所述相似樣本集合中的樣本確定為所述目標患者的相似樣本；

根據(jù)所述相似樣本的特征數(shù)據(jù)和所述相似樣本的事件類型得到所述目標患者的專屬目標訓練集，并通過所述專屬目標訓練集訓練多個不同類型的概率預測模型；

將所述目標患者的特征數(shù)據(jù)分別輸入各個所述概率預測模型中，得到所述目標患者的多個疾病事件發(fā)生概率預測值；

根據(jù)多個所述疾病事件發(fā)生概率預測值得到所述目標患者的疾病事件發(fā)生概率預測結果；

其中，所述目標患者與所述樣本之間的相似度包括所述目標患者與所述樣本之間的距離度量值，所述根據(jù)所述目標患者與所述樣本之間的相似度將所述樣本劃分為相似樣本集合和無關樣本集合，包括：

將所有樣本中與所述目標患者之間的距離度量值最小的樣本作為第一質(zhì)心樣本；

計算除所述第一質(zhì)心樣本以外的樣本與所述第一質(zhì)心樣本之間的距離度量值，并將與所述第一質(zhì)心樣本之間的距離度量值最大的樣本作為第二候選質(zhì)心樣本；

將除所述第一質(zhì)心樣本和所述第二候選質(zhì)心樣本以外的其他樣本作為待分配樣本，并計算所述待分配樣本與所述第一質(zhì)心樣本之間的第一距離度量值，以及所述待分配樣本與所述第二候選質(zhì)心樣本之間的第二距離度量值；

根據(jù)所述第一距離度量值和所述第二距離度量值之間的關系，將所述待分配樣本放入所述第一質(zhì)心樣本所在的相似樣本集合或所述第二候選質(zhì)心樣本所在的無關樣本集合中；

根據(jù)所述無關樣本集合中任意一個樣本與所述無關樣本集合中的其他無關樣本之間的距離度量值總和，更新所述無關樣本集合中的第二候選質(zhì)心樣本；

根據(jù)所述第一質(zhì)心樣本以及更新后的所述第二候選質(zhì)心樣本，將所述待分配樣本重新分配至所述相似樣本集合或所述無關樣本集合中；

根據(jù)重新分配后的所述無關樣本集合再次更新所述第二候選質(zhì)心樣本，直到迭代次數(shù)大于或等于迭代次數(shù)閾值時，或者在所述待分配樣本不再重新分配時停止迭代。

2.根據(jù)權利要求1所述的疾病事件發(fā)生概率的預測方法，其特征在于，所述根據(jù)所述目標患者的特征數(shù)據(jù)和所述樣本數(shù)據(jù)庫中各個樣本的特征數(shù)據(jù)，得到所述目標患者與所述樣本之間的相似度，包括：

根據(jù)所述目標患者的特征數(shù)據(jù)和所述樣本數(shù)據(jù)庫中各個樣本的特征數(shù)據(jù)，得到所述目標患者與所述樣本之間的歐氏距離和余弦相似度；

根據(jù)所述目標患者與所述樣本之間的歐氏距離和余弦相似度得到所述目標患者與所述樣本之間的距離度量值，或根據(jù)所述目標患者與所述樣本之間的歐氏距離得到所述目標患者與所述樣本之間的距離度量值；

根據(jù)所述目標患者與所述樣本之間的距離度量值確定所述目標患者與所述樣本之間的相似度。

3.根據(jù)權利要求1所述的疾病事件發(fā)生概率的預測方法，其特征在于，所述根據(jù)所述無關樣本集合中任意一個樣本與所述無關樣本集合中的其他無關樣本之間的距離度量值總和，更新所述無關樣本集合中的第二候選質(zhì)心樣本，包括：

根據(jù)所述無關樣本集合中任意一個樣本與所述無關樣本集合中的其他無關樣本之間的距離度量值總和，得到所述距離度量值總和的最小值；

將使所述距離度量值總和為最小值的所述樣本確定為更新后的所述第二候選質(zhì)心樣本。

4.根據(jù)權利要求1所述的疾病事件發(fā)生概率的預測方法，其特征在于，所述通過所述專屬目標訓練集訓練多個不同類型的概率預測模型，包括：

根據(jù)所述專屬目標訓練集分別得到各個不同類型的概率預測模型所對應的模型訓練集；

根據(jù)各個所述概率預測模型所對應的模型訓練集訓練各個所述概率預測模型。