[發明專利]基于人工智能的腦血管病動態預測模型構建方法及系統

有效

• 申請號: 202110924999.9
• 申請日: 2021-08-12
• 公開（公告）號: CN113628754B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 武劍;桑振華
• 申請（專利權）人: 武劍;桑振華
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H50/20;G16H10/40;G06N3/04;G06N3/08
• 代理公司: 北京冠和權律師事務所 11399
• 代理人: 趙銀萍

1.一種基于人工智能的腦血管病動態預測模型構建方法，其特征在于，包括以下步驟：

對目標病人的檢驗結果項目值進行特征提取，獲取特征提取結果；

對所述特征提取結果中的多個第一特征進行特征變換，獲取變換后的多個第二特征；

根據腦血管病的多個預設特征以及每個預設特征的權重值構建危險因素模型，將所述多個第二特征代入所述危險因素模型中進行擬合，根據擬合結果構建預設Adam優化算法；

預先構建腦血管病預測模型，利用所述預設Adam優化算法對所述腦血管病預測模型進行訓練，獲得訓練后的腦血管病預測模型；

所述根據腦血管病的多個預設特征以及每個預設特征的權重值構建危險因素模型，將所述多個第二特征代入所述危險因素模型中進行擬合，根據擬合結果構建預設Adam優化算法，包括：

定義多組第一函數，將所述多組第一函數代入到多個第二特征與危險因素模型的擬合過程中，獲取擬合結果；

根據所述擬合結果在所述多組第一函數中選擇最優的第二函數；

將所述第二函數代入預設神經網絡中進行訓練，獲取訓練結果；

根據所述訓練結果構建所述預設Adam優化算法。

2.根據權利要求1所述基于人工智能的腦血管病動態預測模型構建方法，其特征在于，所述對目標病人的檢驗結果項目值進行特征提取，獲取特征提取結果，包括：

從預設數據庫中調取腦血管病篩查數據集；

對所述腦血管病篩查數據集中的數據進行預處理，所述預處理包括：降噪、去偽影、重采樣以及歸一化；

對預處理后的數據進行腦血管病的特征提取，獲得腦血管病的陽性特征、統計特征以及形態特征；

根據所述腦血管病的陽性特征、統計特征以及形態特征對所述目標病人的檢驗結果項目值進行特征提取，獲取所述特征提取結果。

3.根據權利要求1所述基于人工智能的腦血管病動態預測模型構建方法，其特征在于，所述對所述特征提取結果中的多個第一特征進行特征變換，獲取變換后的多個第二特征，包括：

統計所述特征提取結果中的多個第一特征；

對所述多個第一特征進行結構化處理，獲取第一處理結果；

對所述第一處理結果進行聚類話處理，獲得第二處理結果；

對所述第二處理結果進行擬合化處理，獲得第三處理結果，根據所述第三處理結果獲得所述多個第二特征。

4.根據權利要求1所述基于人工智能的腦血管病動態預測模型構建方法，其特征在于，預先構建腦血管病預測模型，利用所述預設Adam優化算法對所述腦血管病預測模型進行訓練，獲得訓練后的腦血管病預測模型，包括：

將所述預設Adam優化算法輸入到所述腦血管病預測模型中進行訓練；

利用訓練后的腦血管病預測模型對預設數據集進行預測，獲取預測結果；

驗證所述預測結果的準確性，若所述準確性大于等于預設閾值，確認所述訓練后的腦血管病預測模型構建完成；

若所述準確性小于所述預設閾值，重新選取第二函數進行訓練直到其預測結果的準確性大于等于所述預設閾值為止。

5.一種基于人工智能的腦血管病動態預測模型構建系統，其特征在于，該系統包括：

提取模塊，用于對目標病人的檢驗結果項目值進行特征提取，獲取特征提取結果；

變換模塊，用于對所述特征提取結果中的多個第一特征進行特征變換，獲取變換后的多個第二特征；

構建模塊，用于根據腦血管病的多個預設特征以及每個預設特征的權重值構建危險因素模型，將所述多個第二特征代入所述危險因素模型中進行擬合，根據擬合結果構建預設Adam優化算法；

訓練模塊，用于預先構建腦血管病預測模型，利用所述預設Adam優化算法對所述腦血管病預測模型進行訓練，獲得訓練后的腦血管病預測模型；

所述構建模塊，包括：

定義子模塊，用于定義多組第一函數，將所述多組第一函數代入到多個第二特征與危險因素模型的擬合過程中，獲取擬合結果；

選擇子模塊，用于根據所述擬合結果在所述多組第一函數中選擇最優的第二函數；

第一訓練子模塊，用于將所述第二函數代入預設神經網絡中進行訓練，獲取訓練結果；

構建子模塊，用于根據所述訓練結果構建所述預設Adam優化算法。