[發(fā)明專利]糖尿病早期風(fēng)險(xiǎn)評(píng)估方法、裝置、計(jì)算機(jī)設(shè)備及介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110267404.7
• 申請(qǐng)日: 2021-03-11
• 公開（公告）號(hào): CN113077900B
• 公開（公告）日: 2023-10-20
• 發(fā)明（設(shè)計(jì)）人: 胡文勝;盧莎;張藝超
• 申請(qǐng)（專利權(quán)）人: 杭州市婦產(chǎn)科醫(yī)院
• 主分類號(hào): G16H50/30
• 分類號(hào): G16H50/30;G16H50/70;G16H10/60;G06F18/214;G06F18/243;G06N3/0442;G06N3/08
• 代理公司: 杭州知學(xué)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 33356
• 代理人: 張?chǎng)?/td>

1.糖尿病早期風(fēng)險(xiǎn)評(píng)估方法，其特征在于，包括：

獲取醫(yī)療數(shù)據(jù)，以得到初始數(shù)據(jù)；

對(duì)所述初始數(shù)據(jù)進(jìn)行預(yù)處理，以得到中間數(shù)據(jù)；

將所述中間數(shù)據(jù)輸入GDM預(yù)測(cè)模型內(nèi)進(jìn)行妊娠期糖尿病早期風(fēng)險(xiǎn)預(yù)測(cè)，以得到預(yù)測(cè)結(jié)果；

發(fā)送所述預(yù)測(cè)結(jié)果至終端，以供終端持有者進(jìn)行預(yù)警和干預(yù)；

其中，所述GDM預(yù)測(cè)模型是通過若干個(gè)預(yù)處理后的醫(yī)療數(shù)據(jù)作為樣本集訓(xùn)練神經(jīng)網(wǎng)絡(luò)所得的。

2.根據(jù)權(quán)利要求1所述的糖尿病早期風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述醫(yī)療數(shù)據(jù)包括門診病歷、實(shí)驗(yàn)室檢驗(yàn)、超聲影像檢查、住院病歷病程記錄中至少一種。

3.根據(jù)權(quán)利要求1所述的糖尿病早期風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述對(duì)所述初始數(shù)據(jù)進(jìn)行預(yù)處理，以得到中間數(shù)據(jù)，包括：

對(duì)所述初始數(shù)據(jù)中的臨床病例資料進(jìn)行篩選和匯總，以得到匯總后的數(shù)據(jù)；

對(duì)匯總后的數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)換和特征提取，以得到關(guān)鍵特征；

對(duì)所述關(guān)鍵特征進(jìn)行缺失值填補(bǔ)，以得到填補(bǔ)結(jié)果；

對(duì)所述填補(bǔ)結(jié)果進(jìn)行歸一化處理，以得到處理后的數(shù)據(jù)；

對(duì)處理后的數(shù)據(jù)進(jìn)行異常值剔除，以得到中間數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的糖尿病早期風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述GDM預(yù)測(cè)模型是通過若干個(gè)預(yù)處理后的醫(yī)療數(shù)據(jù)作為樣本集訓(xùn)練神經(jīng)網(wǎng)絡(luò)所得的，包括：

對(duì)若干個(gè)預(yù)處理后的醫(yī)療數(shù)據(jù)構(gòu)成的樣本集基于樹的計(jì)算實(shí)時(shí)變量的信息增益率進(jìn)行特征選擇，以得到動(dòng)態(tài)資料的特征；

對(duì)若干個(gè)預(yù)處理后的醫(yī)療數(shù)據(jù)構(gòu)成的樣本集利用梯度提升樹生成固定資料的特征；

融合動(dòng)態(tài)資料的特征以及固定資料的特征，以得到新特征；

構(gòu)建GRU模型，利用所述新特征對(duì)所述GRU模型進(jìn)行訓(xùn)練，采用預(yù)設(shè)定的評(píng)價(jià)指標(biāo)評(píng)價(jià)訓(xùn)練后的所述GRU模型，以得到GDM預(yù)測(cè)模型。

5.根據(jù)權(quán)利要求4所述的糖尿病早期風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述對(duì)若干個(gè)預(yù)處理后的醫(yī)療數(shù)據(jù)構(gòu)成的樣本集基于樹的計(jì)算實(shí)時(shí)變量的信息增益率進(jìn)行特征選擇，以得到動(dòng)態(tài)資料的特征，包括：

對(duì)若干個(gè)預(yù)處理后的醫(yī)療數(shù)據(jù)構(gòu)成的樣本集內(nèi)動(dòng)態(tài)數(shù)據(jù)集分別通過XGBoost模型和RF模型計(jì)算對(duì)應(yīng)的預(yù)測(cè)值，并對(duì)兩個(gè)預(yù)測(cè)值進(jìn)行求平均值；

選擇平均值大于預(yù)設(shè)的信息增益率閾值所對(duì)應(yīng)的動(dòng)態(tài)數(shù)據(jù)，以得到動(dòng)態(tài)資料的特征。

6.根據(jù)權(quán)利要求4所述的糖尿病早期風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述對(duì)若干個(gè)預(yù)處理后的醫(yī)療數(shù)據(jù)構(gòu)成的樣本集利用梯度提升樹生成固定資料的特征，包括：

構(gòu)建梯度提升樹，并對(duì)若干個(gè)預(yù)處理后的醫(yī)療數(shù)據(jù)構(gòu)成的樣本集生成固定資料的特征；

其中，所述構(gòu)建梯度提升樹，包括：

計(jì)算梯度提升樹的負(fù)梯度；

更新對(duì)應(yīng)的基學(xué)習(xí)器；

對(duì)每輪產(chǎn)生的基學(xué)習(xí)器通過線性相加，以得到梯度提升樹。

7.根據(jù)權(quán)利要求4所述的糖尿病早期風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述評(píng)價(jià)指標(biāo)包括準(zhǔn)確率、查準(zhǔn)率、召回率、F1值、混淆矩陣及ROC曲線下面積的度量值。

8.糖尿病早期風(fēng)險(xiǎn)評(píng)估裝置，其特征在于，包括：

數(shù)據(jù)獲取單元，用于獲取醫(yī)療數(shù)據(jù)，以得到初始數(shù)據(jù)；

預(yù)處理單元，用于對(duì)所述初始數(shù)據(jù)進(jìn)行預(yù)處理，以得到中間數(shù)據(jù)；

預(yù)測(cè)單元，用于將所述中間數(shù)據(jù)輸入GDM預(yù)測(cè)模型內(nèi)進(jìn)行妊娠期糖尿病早期風(fēng)險(xiǎn)預(yù)測(cè)，以得到預(yù)測(cè)結(jié)果；

發(fā)送單元，用于發(fā)送所述預(yù)測(cè)結(jié)果至終端，以供終端持有者進(jìn)行預(yù)警和干預(yù)。

9.一種計(jì)算機(jī)設(shè)備，其特征在于，所述計(jì)算機(jī)設(shè)備包括存儲(chǔ)器及處理器，所述存儲(chǔ)器上存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的方法。

10.一種介質(zhì)，其特征在于，所述介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)可實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的方法。