[发明专利]基于循环时间卷积网络的疾病诊断系统、设备及介质

说明书

本发明公开了一种基于循环时间卷积网络的疾病诊断系统、设备及介质，包括：预测模型构建与训练模块，用于根据历史电子病历提取已知疾病诊断结果的已知病程向量，以已知病程向量作为训练集训练构建的循环时间卷积网络预测模型；疾病诊断预测模块，用于根据待预测患者的电子病历信息提取待测病程向量，将待测病程向量输入至训练后的循环时间卷积网络预测模型中，得到待预测患者的疾病诊断预测结果。基于时间卷积网络融合长短时循环网络构建的循环时间卷积网络预测模型，将疾病诊断结果与历史电子病历诊断信息建立联系，保留长时历史信息，对序列数据进行长程建模预测，实现对长序列数据信息进行精细化预测。

技术领域

本发明涉及医疗数据挖掘技术领域，特别是涉及一种基于循环时间卷积网络的疾病诊断系统、设备及介质。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着医疗记录数据的不断增加，疾病智能诊断能够为医生起到很好的辅助作用，目前，研究人员常常于电子病历(EMR)中选取数据，进行进一步的诊断和预测，EMR是居民个人在医疗机构历次就诊过程中产生和被记录的完整、详细的临床信息资源，几乎囊括了患者过去与现在的所有医疗信息，而发明人发现，其中部分患者拥有较长的病程序列，传统的预测模型往往无法保留长时历史信息，难以对序列数据进行长程建模，造成预测模型耗时长，精度低，为后期诊断预测造成了极大困难；因此对EMR的数据处理和在其基础上的疾病诊断已经成为一项固有的挑战，仅仅依赖于传统机器学习方法已经不足以对长序列数据信息进行精细化表示，目前，能够捕获长程时间依赖关系，并进一步进行精细化预测的多疾病诊断系统尚未出现。

发明内容

为了解决上述问题，本发明提出了一种基于循环时间卷积网络的疾病诊断系统、设备及介质，基于时间卷积网络融合长短时循环网络构建的循环时间卷积网络预测模型，将疾病诊断结果与历史电子病历诊断信息建立联系，保留长时历史信息，对序列数据进行长程建模预测，实现对长序列数据信息进行精细化预测。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于循环时间卷积网络的疾病诊断系统，包括：

预测模型构建与训练模块，用于根据历史电子病历提取已知疾病诊断结果的已知病程向量，以已知病程向量作为训练集训练构建的循环时间卷积网络预测模型；

疾病诊断预测模块，用于根据待预测患者的电子病历信息提取待测病程向量，将待测病程向量输入至训练后的循环时间卷积网络预测模型中，得到待预测患者的疾病诊断预测结果。

第二方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成以下步骤：

根据历史电子病历提取已知疾病诊断结果的已知病程向量，以已知病程向量作为训练集训练构建的循环时间卷积网络预测模型；

根据待预测患者的电子病历信息提取待测病程向量，将待测病程向量输入至训练后的循环时间卷积网络预测模型中，得到待预测患者的疾病诊断预测结果。

第三方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成以下步骤：

根据历史电子病历提取已知疾病诊断结果的已知病程向量，以已知病程向量作为训练集训练构建的循环时间卷积网络预测模型；

根据待预测患者的电子病历信息提取待测病程向量，将待测病程向量输入至训练后的循环时间卷积网络预测模型中，得到待预测患者的疾病诊断预测结果。

与现有技术相比，本发明的有益效果为：