[發(fā)明專利]基于神經網絡的帕金森病預測設備、裝置和存儲介質

有效

• 申請?zhí)枺?/td>: 202110989622.1
• 申請日: 2021-08-26
• 公開（公告）號: CN113693561B
• 公開（公告）日: 2023-08-25
• 發(fā)明（設計）人: 尹果子
• 申請（專利權）人: 深圳平安智慧醫(yī)健科技有限公司
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/11;G06N3/04;G06N3/08
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 張傳義

1.一種基于神經網絡的帕金森病預測設備，其特征在于，所述帕金森病預測設備包括存儲器和處理器；

所述存儲器，用于存儲計算機程序；

所述處理器，用于執(zhí)行所述計算機程序并在執(zhí)行所述計算機程序時實現如下步驟：

獲取目標用戶對應的第一癥狀信息，所述第一癥狀信息包括所述目標用戶的手抖數據；

將所述手抖數據輸入帕金森病預測模型進行風險預測，獲得所述目標用戶對應的風險預測結果，所述風險預測結果包括所述目標用戶患有帕金森病的第一預測概率；

當所述第一預測概率大于或等于第一概率閾值時，輸出所述目標用戶患有帕金森病的第一風險提示信息；

當所述第一預測概率大于或等于第二概率閾值且小于所述第一概率閾值時，獲取所述目標用戶對應的第二癥狀信息，并基于所述第二癥狀信息輸出所述目標用戶患有帕金森病的第二風險提示信息；

所述處理器實現將所述手抖數據輸入帕金森病預測模型進行預測，獲得所述目標用戶對應的風險預測結果的步驟之前，還包括：獲取待訓練的手抖樣本數據；對所述手抖樣本數據進行標簽標注，獲得攜帶標簽的手抖樣本數據；根據攜帶標簽的手抖樣本數據，對帕金森病預測模型進行迭代訓練；

待訓練的手抖樣本數據包括帕金森病患者的第一手抖樣本數據與非帕金森病患者的第二手抖樣本數據；所述處理器實現對所述手抖樣本數據進行標簽標注，獲得攜帶標簽的手抖樣本數據的步驟，包括：根據預設的計算公式，對所述第一手抖樣本數據中的手抖發(fā)生頻次、抖動頻率、抖動幅度以及抖動時長進行手抖分值計算，獲得所述第一手抖樣本數據對應的手抖分值；若所述第一手抖樣本數據對應的手抖分值大于或等于預設的手抖分閾值，則對所述第一手抖樣本數據添加第一標簽；若所述第一手抖樣本數據對應的手抖分值小于所述手抖分閾值，則對所述第一手抖樣本數據添加第二標簽；對所述第二手抖樣本數據添加第二標簽；其中，所述第一標簽表示有帕金森病癥狀，所述第二標簽表示無帕金森病癥狀；

所述處理器實現根據攜帶標簽的手抖樣本數據，對帕金森病預測模型進行迭代訓練的步驟，包括：根據攜帶標簽的所述手抖樣本數據確定每一輪的訓練數據，將當前輪訓練數據輸入帕金森病預測模型進行預測訓練，獲得所述當前輪訓練數據對應的預測信息；基于預設的損失函數，根據所述預測信息與所述當前輪訓練數據攜帶的標簽，確定所述當前輪訓練數據對應的損失函數值；若所述損失函數值大于預設的損失值閾值，則調整所述帕金森病預測模型的參數，并進行下一輪訓練，直至得到的損失函數值小于或等于損失值閾值，結束訓練，得到訓練好的帕金森病預測模型。

2.根據權利要求1所述的基于神經網絡的帕金森病預測設備，其特征在于，所述手抖數據包括手抖發(fā)生頻次、抖動頻率、抖動幅度以及抖動時長。

3.根據權利要求1所述的基于神經網絡的帕金森病預測設備，其特征在于，所述處理器實現基于所述第二癥狀信息輸出所述目標用戶患有帕金森病的第二風險提示信息的步驟，包括：

當所述第二癥狀信息滿足預設條件時，對所述第一預測概率增加預設的第二預測概率，獲得第三預測概率，并輸出包含所述第三預測概率的第二風險提示信息；

當所述第二癥狀信息不滿足所述預設條件時，輸出包含所述第一預測概率的第二風險提示信息。

4.根據權利要求3所述的基于神經網絡的帕金森病預測設備，其特征在于，所述預設條件包括以下至少一項：

所述目標用戶存在肌肉強直癥狀；

所述目標用戶存在動作遲緩癥狀；

所述目標用戶存在容易忘記短期的事情癥狀。

5.根據權利要求1所述的基于神經網絡的帕金森病預測設備，其特征在于，所述第一癥狀信息還包括所述目標用戶的個人信息；所述處理器實現的步驟，還包括：

確定所述目標用戶是否為帕金森病確診患者；

若所述目標用戶為帕金森病確診患者，則對所述第一癥狀信息中的個人信息進行脫敏處理，獲得脫敏處理后的第一癥狀信息；

將脫敏處理后的所述第一癥狀信息作為樣本數據，以用于所述帕金森病預測模型進行訓練。

6.一種帕金森病預測裝置，其特征在于，包括：

癥狀信息獲取模塊，用于獲取目標用戶對應的第一癥狀信息，所述第一癥狀信息包括所述目標用戶的手抖數據；

帕金森病預測模塊，用于將所述手抖數據輸入帕金森病預測模型進行風險預測，獲得所述目標用戶對應的風險預測結果，所述風險預測結果包括所述目標用戶患有帕金森病的第一預測概率；

第一輸出模塊，用于當所述第一預測概率大于或等于第一概率閾值時，輸出所述目標用戶患有帕金森病的第一風險提示信息；

第二輸出模塊，當所述第一預測概率大于或等于第二概率閾值且小于所述第一概率閾值時，獲取所述目標用戶對應的第二癥狀信息，并基于所述第二癥狀信息輸出所述目標用戶患有帕金森病的第二風險提示信息；

所述帕金森病預測模塊，還用于獲取待訓練的手抖樣本數據；對所述手抖樣本數據進行標簽標注，獲得攜帶標簽的手抖樣本數據；根據攜帶標簽的手抖樣本數據，對帕金森病預測模型進行迭代訓練；

待訓練的手抖樣本數據包括帕金森病患者的第一手抖樣本數據與非帕金森病患者的第二手抖樣本數據；所述帕金森病預測模塊，還用于根據預設的計算公式，對所述第一手抖樣本數據中的手抖發(fā)生頻次、抖動頻率、抖動幅度以及抖動時長進行手抖分值計算，獲得所述第一手抖樣本數據對應的手抖分值；若所述第一手抖樣本數據對應的手抖分值大于或等于預設的手抖分閾值，則對所述第一手抖樣本數據添加第一標簽；若所述第一手抖樣本數據對應的手抖分值小于所述手抖分閾值，則對所述第一手抖樣本數據添加第二標簽；對所述第二手抖樣本數據添加第二標簽；其中，所述第一標簽表示有帕金森病癥狀，所述第二標簽表示無帕金森病癥狀；

所述帕金森病預測模塊，還用于根據攜帶標簽的所述手抖樣本數據確定每一輪的訓練數據，將當前輪訓練數據輸入帕金森病預測模型進行預測訓練，獲得所述當前輪訓練數據對應的預測信息；基于預設的損失函數，根據所述預測信息與所述當前輪訓練數據攜帶的標簽，確定所述當前輪訓練數據對應的損失函數值；若所述損失函數值大于預設的損失值閾值，則調整所述帕金森病預測模型的參數，并進行下一輪訓練，直至得到的損失函數值小于或等于損失值閾值，結束訓練，得到訓練好的帕金森病預測模型。