[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

说明书

本发明公开了一种器官衰竭感染病症的预测、预测模型的训练方法及系统，该训练方法包括：获取参考数据集；提取参考数据集中与器官衰竭感染病症关联的第一病症数据以训练得到器官衰竭感染病症预警模型；获取目标数据集；基于目标数据集对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。本发明充分利用MIMIC数据集数据量大的优势，基于MIMIC数据集中庞大的病患数据训练得到器官衰竭感染病症预警模型；获取更新后的国内患者数据对器官衰竭感染病症预警模型进行增量学习训练得到目标病症预测模型，有效地提高国内病患数据集的器官衰竭感染病症发病的预测准确率。

技术领域

本发明涉及人工智能技术领域，特别涉及一种器官衰竭感染病症的预测、预测模型的训练方法及系统。

背景技术

器官衰竭感染病症(以下简称“病症”)是指由感染引起的全身炎症反应综合征，该病症发病率高，病情凶险，病死率高，是重症监护病房内非心脏病人死亡的主要原因，此病症可以由任何部位的感染引起，常常发生在有严重疾病的患者中，其根本发病机制尚未明了。病症判别标准包括SIRS(systemic inflammatory response syndrome，全身炎症反应综合征)评分、SOFA(sequential organ failure assessment，序贯器官衰竭估计)评分等。

由于该病症病情危重，因此需要在发病前一段时间，通过各项生理指标提前做出预判，并做好相应的医治准备；然而，现有的预判方案均存在预测的准确率较低，无法满足实际的医治需求的问题。

发明内容

本发明要解决的技术问题是为了克服现有技术中器官衰竭感染病症的预判方式均存在准确率较低，无法满足实际的医治需求缺陷，提供一种器官衰竭感染病症的预测、预测模型的训练方法及系统。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种器官衰竭感染病症预测模型的训练方法，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。

较佳地，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。

较佳地，所述参考数据集为MIMIC(Medical Information Mart for IntensiveCare，重症监护医学信息库)数据集，所述目标数据集为国内患者病患数据。

较佳地，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++(一种增量学习算法)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。

较佳地，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；