[发明专利]器官衰竭感染病症的预测、预测模型的训练方法及系统

权利要求书

1.一种器官衰竭感染病症预测模型的训练方法，其特征在于，所述训练方法包括：

获取参考数据集；

提取所述参考数据集中与器官衰竭感染病症关联的第一病症数据；

基于所述第一病症数据训练得到器官衰竭感染病症预警模型；其中，所述器官衰竭感染病症预警模型用于输出器官衰竭感染病症的发病概率；

获取目标数据集；

基于所述目标数据集对所述器官衰竭感染病症预警模型进行增量学习训练，以得到目标病症预测模型。

2.如权利要求1所述的器官衰竭感染病症预测模型的训练方法，其特征在于，所述基于所述目标数据集对所述器官衰竭感染病症预警模型进行增量学习训练，以得到目标病症预测模型的步骤包括：

根据所述目标数据集划分出训练集；

采用所述训练集对所述器官衰竭感染病症预警模型进行增量学习训练以得到目标病症预测模型。

3.如权利要求2所述的器官衰竭感染病症预测模型的训练方法，其特征在于，所述参考数据集为MIMIC数据集，所述目标数据集为国内患者病患数据；和/或，

所述采用所述训练集对所述器官衰竭感染病症预警模型进行增量学习训练以得到目标病症预测模型的步骤包括：

基于Learn++增量学习算法采用所述训练集对所述器官衰竭感染病症预警模型进行增量学习训练以得到目标病症预测模型；

其中，所述Learn++算法中的弱分类器均采用多层感知器MLP。

4.如权利要求3所述的器官衰竭感染病症预测模型的训练方法，其特征在于，所述获取目标数据集的步骤包括：

每隔设定时间获取更新后的国内患者数据对应的数据量；

当所述数据量大于第一设定阈值时，则根据更新后的国内患者数据形成一个批次数据并作为所述目标数据集；

所述采用所述训练集对所述器官衰竭感染病症预警模型进行增量学习训练以得到目标病症预测模型的步骤包括：

采用首次批次数据对应的所述训练集对所述器官衰竭感染病症预警模型进行增量学习训练以得到中间病症预测模型；

依次采用不同批次数据对应的所述训练集对基于上一批次数据训练得到的中间病症预测模型进行更新；

采用当前批次数据划分出的测试集对当前的中间病症预测模型进行测试以获取第一测试结果，采用之前若干批次数据划分出的测试集对当前的中间病症预测模型进行测试以获取第二测试结果；

当所述第一测试结果与所述第二测试结果的差值小于第二设定阈值时，则将当前批次数据对应的中间病症预测模型作为所述病症预测模型。

5.如权利要求1所述的器官衰竭感染病症预测模型的训练方法，其特征在于，所述基于所述第一病症数据训练得到器官衰竭感染病症预警模型的步骤包括：

基于所述第一病症数据获取若干病例对应的历史标注结果，以及与每个病例在历史连续设定时长内对应的用于表征器官衰竭感染病症的历史特征数据；

采用机器学习算法基于每个病例对应的所述历史特征数据和所述历史标注结果训练得到所述器官衰竭感染病症预警模型；

其中，所述器官衰竭感染病症预警模型用于预测患者在未来连续设定时长后的发病概率；

所述机器学习算法包括多层感知器MLP、支持向量机SVM、集成学习Light GBM和长短时记忆网络LSTM中的至少一种。

6.一种器官衰竭感染病症的预测方法，其特征在于，所述预测方法包括：

获取待测病患数据；

将所述待测病患数据输入权利要求1-5中任一项基于所述的器官衰竭感染病症预测模型的训练方法得到的所述病症预测模型，以获取目标预测结果。