[发明专利]一种基于深度学习技术利用生理参数预测糖尿病诊断标志物及其重要性的方法

说明书

本发明公开了一种基于深度学习技术利用生理参数预测糖尿病诊断标志物及其重要性的方法。本发明利用含疾病类型标签的人体生理学参数，训练含注意力机制的深度学习模型，并利用注意力机制对不同生理参数的权重赋值寻找糖尿病的诊断标志物，并得到不同诊断标志物的重要程度，从而达到加快发现新诊断标志物，增强疾病靶向治疗的目的。该方法克服了传统研究诊断标志物方法盲目性的不足，克服了传统研究方法，周期长，成本高的不足，对我国医疗水平进一步的发展具有积极的促进作用。

技术领域

本发明属于智能医疗诊断领域，涉及一种基于深度学习技术利用生理参数预测糖尿病诊断标志物及其重要性的方法。

背景技术

人工智能在各个垂直领域的应用备受关注，医疗健康是其中一个关键领域。随着社会进步和人们健康意识的觉醒，人口老龄化问题的不断加剧，人们对于提升医疗技术、延长人类寿命、增强健康的需求也更加急迫。但在医疗健康产业实践中却存在着医疗资源分配不均，药物研制周期长、费用高，以及医务人员培养成本过高等问题。对于医疗进步的现实需求极大地刺激了以人工智能技术推动医疗健康产业变革升级浪潮的兴起。

据统计，2017年全球18-99岁的糖尿病患者共4.51亿，这个数字预计在2045年将会上升至6.93亿，2017年全球范围内因糖尿病死亡的人数达五百万，糖尿病并发症更是影响人们的生活质量。幸运的是，世界广泛的胰岛素治疗和控制饮食等方法可以延长患者寿命，提升患者生活质量。血液学检测和尿液学检测通过其能准确反映多种生理参数而在胰岛素治疗方面提供了至关重要的管理导向作用，数值的不同反映了不同的健康状况，这就使根据这些数据进行临床诊断成为了可能。但是，在利用传统方法研究诊断标志物的过程中，一种新的诊断标志物的发现，亦或者是探索不同诊断标志物对于同一疾病的重要性往往需要一个十分复杂的过程，同时这样的过程也是盲目的，需要大量的人力、物力资源，这无疑阻碍了医疗水平的进一步发展。因此，能够提出一种根据患者生理参数自动预测糖尿病诊断标志物的方法对我国医疗水平进一步的发展具有积极的促进作用。同时，由于可以探索出更为潜在引发糖尿病的致病因素，因此该方法还可以进一步促进我国全民“治未病”的发展。

发明内容

本发明提出了一种基于深度学习技术利用生理参数预测糖尿病诊断标志物及其重要性的方法。

本发明的目的是为了实现根据生理参数，自动推测不同生理参数对糖尿病诊断的重要程度，以实现强化对糖尿病的靶向治疗，以及增加发现糖尿病新诊断标志物的可能性的目的。该方法克服了传统确定疾病诊断标志物及其对疾病影响程度的方法成本高，周期长，以及对新标志物不易发现的不足。

本发明是这样实现的：

训练数据的获取与预处理；

训练含注意力机制的深度学习模型；

利用模型注意力机制的参数得到糖尿病的诊断标志物及其重要性。

上述训练数据的获取与预处理包括：根据患者的体检报告，获取其血液学参数以及尿液学参数，并在不影响原始数据特征的情况下进行预处理并加入略微扰动完成数据扩增。

上述训练含注意力机制的深度学习模型包括：以患者血液学参数与尿液学参数做输入，有无糖尿病作为目标输出，利用梯度下降，反向传播的方法训练深度学习模型。整个深度学习模型采用含注意力机制的长短时记忆网络(LSTM)结构。

上述利用模型注意力机制的参数得到糖尿病的诊断标志物及其重要性包括：根据注意力机制中不同参数的权重，得到与糖尿病有关的生理参数，即诊断标志物，以及不同因子对糖尿病的影响程度。