[發明專利]受試者篩選方法、系統、設備及計算機可讀存儲介質

有效

• 申請號: 202111558014.1
• 申請日: 2021-12-20
• 公開（公告）號: CN113948165B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 覃龍
• 申請（專利權）人: 易臨云（深圳）科技有限公司
• 主分類號: G16H10/20
• 分類號: G16H10/20;G16H10/60;G16H50/30;G06N20/00
• 代理公司: 深圳市恒程創新知識產權代理有限公司 44542
• 代理人: 趙愛蓉

1.一種受試者篩選方法，其特征在于，所述受試者篩選方法包括以下步驟：

獲取受試者的體征信息和臨床研究項目的方案信息；

基于體征特征提取模型和預設特征預測模型，對所述體征信息進行特征提取和預測，獲得所述受試者的各階段體征特征，其中，所述各階段體征特征包括當前體征特征和后續階段體征特征；

基于期望特征提取模型，對所述方案信息進行特征提取，得到各階段期望特征，其中，所述各階段期望特征包括當前期望特征和后續期望特征；

對所述各階段體征特征和所述各階段期望特征進行分階段匹配，獲得所述受試者與所述臨床研究項目的綜合匹配度；

根據所述綜合匹配度，篩選出所述臨床研究項目對應的目標受試者；

所述基于體征特征提取模型和預設特征預測模型，對所述體征信息進行特征提取和預測，獲得所述受試者的各階段體征特征的步驟包括：

基于所述體征特征提取模型，對所述體征信息進行特征提取，獲得所述受試者的當前體征特征；

基于預設特征預測模型，對所述當前體征特征進行特征預測，獲得所述受試者的后續階段體征特征。

2.如權利要求1所述的受試者篩選方法，其特征在于，在所述基于所述體征特征提取模型，對所述體征信息進行特征提取，獲得所述受試者的當前體征特征的步驟之前，所述受試者篩選方法還包括：

獲取第一期望樣本特征集和第一體征信息樣本集；

基于待訓練體征特征提取模型，對所述第一體征信息樣本集進行特征提取，獲得第一體征樣本特征集；

根據所述第一體征樣本特征集和所述第一期望樣本特征集，計算第一對比損失；

根據所述第一對比損失，優化所述待訓練體征特征提取模型，獲得所述體征特征提取模型。

3.如權利要求1所述的受試者篩選方法，其特征在于，在所述基于預設特征預測模型，對所述當前體征特征進行特征預測，獲得所述受試者的后續階段體征特征的步驟之前，所述受試者篩選方法還包括：

獲取訓練體征特征以及所述訓練體征特征對應的真實后續體征樣本特征；

依據待訓練特征預測模型，將所述訓練體征特征轉換為訓練后續體征特征；

依據所述訓練后續體征特征和所述真實后續體征樣本特征構建的模型損失，迭代優化所述待訓練特征預測模型，得到所述預設特征預測模型。

4.如權利要求1所述的受試者篩選方法，其特征在于，在所述基于期望特征提取模型，對所述方案信息進行特征提取，得到各階段期望特征的步驟之前，所述受試者篩選方法包括：

獲取第二體征樣本特征集和第二期望信息樣本集；

基于待訓練期望特征提取模型，對所述第二期望信息樣本集進行特征提取，獲得第二期望樣本特征集；

根據所述第二體征樣本特征集和所述第二期望樣本特征集，計算第二對比損失；

根據所述第二對比損失，優化所述待訓練期望特征提取模型，獲得所述期望特征提取模型。

5.如權利要求1所述的受試者篩選方法，其特征在于，所述各階段體征特征包括當前體征特征與后續體征特征，所述各階段期望特征包括當前期望特征與后續期望特征，所述對所述各階段體征特征和所述各階段期望特征進行分階段匹配，獲得所述受試者與所述臨床研究項目的綜合匹配度的步驟還包括：

計算所述當前體征特征和所述當前期望特征的當前匹配度；

計算所述后續體征特征和所述后續期望特征的后續匹配度；

當所述當前匹配度超過預設匹配度閾值時，將所述當前匹配度與后續匹配度的平均值作為所述受試者與所述臨床研究項目的綜合匹配度。

6.如權利要求1所述的受試者篩選方法，其特征在于，所述對所述各階段體征特征和所述各階段期望特征進行分階段匹配，獲得所述受試者與所述臨床研究項目的綜合匹配度的步驟包括：

根據所述受試者各階段體征特征，分別計算所述受試者與所述臨床研究項目的各階段期望特征之間的漢明距離；

根據所述漢明距離，獲得所述受試者與所述臨床研究項目的綜合匹配度。