[发明专利]传染病疾病状态预测方法及装置、存储介质、电子设备

权利要求书

1.一种传染病疾病状态预测方法，其特征在于，所述方法包括：

获取传染病患者在预设时间段内的历史检测数据，并利用所述历史检测数据构建在所述预设时间段内的时序数据；

计算所述历史检测数据的重要度，并计算所述历史检测数据的标准互信息；

利用所述重要度和所述标准互信息在所述时序数据中确定目标检测数据，并重构所述目标检测数据得到待预测数据；

将所述待预测数据输入至双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率。

2.根据权利要求1所述的传染病疾病状态预测方法，其特征在于，所述将所述待预测数据输入至双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率，包括：

将所述待预测数据输入至注意力机制，以使所述注意力机制输出数据向量；

将所述数据向量输入至双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率。

3.根据权利要求2所述的传染病疾病状态预测方法，其特征在于，所述将所述数据向量输入至双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率，包括：

获取与所述数据向量对应的向量权重；其中，所述向量权重与所述预设时间段内的日期对应；

将所述数据向量和所述向量权重输入至所述双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率。

4.根据权利要求3所述的传染病疾病状态预测方法，其特征在于，所述将所述数据向量和所述向量权重输入至所述双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率，包括：

将所述数据向量和所述向量权重输入至多个双向长短期记忆网络模型，以使所述多个双向长短期记忆网络模型输出多个预测状态概率；

计算所述多个预测状态概率平均值，并确定所述平均值为所述传染病患者的疾病状态概率。

5.根据权利要求1所述的传染病疾病状态预测方法，其特征在于，所述重构所述目标检测数据得到待预测数据，包括：

在所述预设时间段内确定目标日期以及与所述目标日期对应的前一日期和后一日期；

在所述目标检测数据中获取与所述目标日期、所述前一日期和所述后一日期对应的三组检测数据；

将所述三组检测数据确定为所述目标日期的重构检测数据，以根据所述重构检测数据确定与所述预设时间段对应的待预测数据。

6.根据权利要求1所述的传染病疾病状态预测方法，其特征在于，所述利用所述重要度和所述标准互信息在所述时序数据中确定目标检测数据，包括：

对所述重要度进行排序得到重要度排序结果，并对所述标准互信息进行排序得到信息排序结果；

获取所述重要度排序结果与所述信息排序结果的交集，并确定与所述交集对应的所述时序数据为目标检测数据。

7.根据权利要求1所述的传染病疾病状态预测方法，其特征在于，所述计算所述历史检测数据的重要度，包括：

将所述历史检测数据输入至训练好的梯度提升回归树模型中，以使所述梯度提升回归树模型输出所述历史检测数据的重要度。

8.一种传染病疾病状态预测装置，其特征在于，包括：

数据获取模块，被配置为获取传染病患者在预设时间段内的历史检测数据，并利用所述历史检测数据构建在所述预设时间段内的时序数据；

数据计算模块，被配置为计算所述历史检测数据的重要度，并计算所述历史检测数据的标准互信息；

数据重构模块，被配置为利用所述重要度和所述标准互信息在所述时序数据中确定目标检测数据，并重构所述目标检测数据得到待预测数据；

概率输出模块，被配置为将所述待预测数据输入至双向长短期记忆网络模型，以使所述双向长短期记忆网络模型输出所述传染病患者的疾病状态概率。