[发明专利]基于卷积神经网络模型的慢性病复发预测方法和装置

权利要求书

1.一种基于卷积神经网络模型的慢性病复发预测方法，其特征在于，包括如下步骤：

获取待测诊断数据；所述待测诊断数据包括有进出院时间；

根据所述进出院时间，将所述待测诊断数据作为模型训练样本；

采用所述模型训练样本训练所述卷积神经网络模型，得到训练后模型；所述训练后模型用于对所述待测诊断数据进行慢性病复发预测。

2.根据权利要求1所述的方法，其特征在于，所述获取待测诊断数据，包括：

获取慢性病诊断数据；

确定所述慢性病诊断数据的预测影响系数；所述预测影响系数根据对所述慢性病复发预测的重要程度确定；

根据所述预测影响系数，在所述慢性病诊断数据中提取有用的诊断数据，作为所述待测诊断数据。

3.根据权利要求1所述的方法，其特征在于，所述进出院时间包括初次进出院时间和/或再次进出院时间。

4.根据权利要求3所述的方法，其特征在于，当所述进出院时间包括初次进出院时间时，所述初次进出院时间包括初次入院时间和/或初次出院时间；

当所述进出院时间包括再次进出院时间时，所述再次进出院时间包括再次入院时间和/或再次出院时间。

5.根据权利要求1所述的方法，其特征在于，当所述进出院时间包括初次出院时间和再次入院时间时，所述根据所述进出院时间，将所述待测诊断数据作为模型训练样本，包括：

获取所述初次出院时间和所述再次入院时间；

计算所述再次入院时间与所述初次出院时间的间隔时间；

当所述间隔时间小于365时，生成所述待测诊断数据的正标签，并且，当所述间隔时间大于等于365时，生成所述待测诊断数据的负标签；

将所述正标签的待测诊断数据与所述负标签的待测诊断数据按预设比例，作为所述模型训练样本。

6.根据权利要求5所述的方法，其特征在于，将所述正标签的待测诊断数据与所述负标签的待测诊断数据按1：1.5的比例，作为所述模型训练样本。

7.一种慢性病复发预测装置，其特征在于，所述装置包括：

数据获取模块，用于获取待测诊断数据；所述待测诊断数据包括有进出院时间；

样本确定模块，用于根据所述进出院时间，将所述待测诊断数据作为模型训练样本；

模型获取模块，用于采用所述模型训练样本训练所述卷积神经网络模型，得到训练后模型；所述训练后模型用于对所述待测诊断数据进行慢性病复发预测。

8.根据权利要求7所述的装置，其特征在于，所述数据获取模块包括：

数据获取子模块，用于获取慢性病诊断数据；

系数确定子模块，用于确定所述慢性病诊断数据的预测影响系数；所述预测影响系数根据对所述慢性病复发预测的重要程度确定；

数据提取子模块，用于根据所述预测影响系数，在所述慢性病诊断数据中提取有用的诊断数据，作为所述待测诊断数据。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。