买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽省立医院(中国科学技术大学附属第一医院)

摘要：本发明公开了基于深度学习的脑卒中预后预警系统、方法及存储介质，解决了现阶段对脑卒中患者预后评估主要依赖医生主观经验，缺乏对预后评估准确的风险预警模型，导致患者预后的风险无法及时预警评估的问题，方法包括：获取医疗源数据，基于预构建的元数据模型对医疗源数据进行预处理，临床数据服务模型将医疗源数据抽出并构建面向单病种的病种数据库；预后预测模型对医疗数据源分析识别，识别出疾病预后影响因素，计算影响因素的影响值；本发明通过构建预后预测模型能够对医疗数据源分析识别，识别出疾病预后影响因素，计算影响因素的影响值，从而基于大量的医疗数据源帮助医务人员理解和预测患者预后的趋势和结果，为决策提供科学依据。

主权项：1.基于深度学习的脑卒中预后预警方法，其特征在于，所述基于深度学习的脑卒中预后预警方法包括：获取医疗源数据，基于预构建的元数据模型对医疗源数据进行预处理，其中，所述医疗源数据包括患者基础信息、患者预后信息、患者随访信息以及多源异构的医疗系统数据；加载医疗源数据，基于预处理后的医疗源数据构建临床数据服务模型，临床数据服务模型将医疗源数据抽出并构建面向单病种的病种数据库；基于所述病种数据库建立并训练预后预测模型，从病种数据库提取医疗数据源，预后预测模型对医疗数据源分析识别，识别出疾病预后影响因素，计算影响因素的影响值；获取影响因素的影响值，判断影响因素的影响值是否超过预设影响阈值，若超过影响阈值，触发预警协议，生成预警指令，并将预警指令上传至病种数据库；所述元数据模型的构建方法，具体包括：遍历医疗源数据，以医疗源数据为输入，构建语料库，基于数据分块算法将医疗源数据进行分块处理，形成多组源数据块，对多组源数据块进行哈希计算；采用抽样算法从哈希计算值中抽取多个哈希元素值作为医疗源数据的特征值；整合特征值，将特征值输入语料库中，实现对语料库的更新；基于深度学习构建mixup初始模型，其中，mixup初始模型为包括至少一组神经网络回归器的神经网络模型，mixup初始模型为元数据模型的初始模型；mixup初始模型设置超参数，基于超参数从语料库中抽取训练集以及验证集；以训练集为输入，执行mixup初始模型，分别求得训练集的mel特征频谱；分别将训练集以及mel特征频谱输入至mixup初始模型的神经网络回归器中，神经网络回归器基于LOSS函数计算训练集的预测值，判断预测值是否超过预设预测阈值，若超过，则采用LOSS函数反向更新mixup初始模型的超参数；加载验证集，以验证集为输入，执行调整参数后的mixup初始模型，判断mixup初始模型输出值识别精度，若识别精度超过预设精度阈值，则将mixup初始模型输出为元数据模型；所述基于预处理后的医疗源数据构建临床数据服务模型的方法，具体包括：获取预处理后的医疗源数据；调取预建立的语料库以及mixup初始模型，采用梯度下降法更新mixup初始模型；加载医疗源数据，将预处理后的医疗源数据分为训练集和验证集，其中训练集和验证集的比例为3:1；取训练集中数据组的某一特征属性值为输入，在依次进行的多步正向扩散中不断向mixup初始模型输入特征高斯噪声，形成多组噪声特征值；利用mixup初始模型中神经网络回归器对噪声特征值进行嵌入变换，得到嵌入变换向量；采用梯度下降法对mixup初始模型的神经网络参数进行调整，直至收敛；获取验证集，以验证集为输入，对mixup初始模型进行n轮迭代训练，判断临床数据服务模型的分类精度以及关联精度均大于预设分类阈值以及关联阈值，则mixup初始模型训练完成，输出临床数据服务模型；所述临床数据服务模型将医疗源数据抽出并构建面向单病种的病种数据库的方法，具体包括：遍历医疗源数据，临床数据服务模型识别医疗源数据，得到医疗源数据的第一分类度；采用基于频繁闭项集的数据流分类算法计算第一分类度的第二分类度；获取第一分类度以及第二分类度，基于Top-K频繁模式的高维数据流聚类算法计算医疗源数据的关联权重；临床数据服务模型基于empi技术随机生成大于关联权重的唯一索引以及索引链路，整合唯一索引以及索引链路，将唯一索引以及索引链路补充至病种数据库，完成病种数据库的更新和构建；基于所述病种数据库建立并训练预后预测模型的方法，具体包括：遍历病种数据库，生成预后数据集，对预后数据集进行处理；将预后数据集分为训练集和验证集，并以7：3的比例分割，其中训练集用于训练模型，验证集用于评价模型；采用MLP神经网络模块构建模型，MLP神经网络模块可调整网络的层数和每层神经元的数量；加载建模完成后的预后预测模型，对预后预测模型进行模型评价；采用验证集验证预后预测模型的模型性能、监控损失和准确性，基于验证集验证结果对预后预测模型进行超参数调整；所述预后预测模型对医疗数据源分析识别，识别出疾病预后影响因素，计算影响因素的影响值的方法，具体包括：获取医疗数据源，对获取医疗数据源进行信息提取，其中，基于预后预测模型的信息提取函数对数据源进行信息提取，信息提取函数为： 其中，Jx为信息提取函数的信息提取值，而λ为信息提取函数的提取函数曲率，x为求和上限，是信息提取函数的变量，fxn为数据源输入值，而为数据源输入方差值； 其中，xn为包含n组数据源的数据集，而λ为信息提取函数的提取函数曲率； 对信息提取函数的信息提取值进行降维特征分解，得到特征分解值； 其中，Jτx为特征分解值，而xn为包含n组数据源的数据集；基于特征分解值求取最大的k组疾病预后影响因素，并计算影响因素的影响值；所述基于特征分解值求取最大的k组疾病预后影响因素，并计算影响因素的影响值的方法，具体包括： 其中，Jτx为特征分解值，而α为影响因素提取函数前置系数，β为影响因素提取函数后置系数，所述前置系数以及后置系数均为常量，Yx为影响因素输出值； 其中，Yx为影响因素输出值，为影响因素的影响值，而α为影响因素提取函数前置系数，β为影响因素提取函数后置系数。

全文数据：

权利要求：

百度查询： 安徽省立医院(中国科学技术大学附属第一医院) 基于深度学习的脑卒中预后预警系统、方法及存储介质