[发明专利]并发症风险预警方法、装置、电子设备及存储介质

说明书

本发明提供了一种并发症风险预警方法，包括：提取目标生物体的所有症状特征，以确定症状特征向量组合；将所述症状特征向量组合输入至并发症风险预警模型，以获取所述症状特征向量组合所对应的所有并发症的预警级别；所述症状特征向量组合是所有症状特征向量化表示的组合；所述并发症风险预警模型是基于多个特征向量组合样本，以及各特征向量组合样本对应的并发症预警级别标签训练获取的。本发明能够使从业人员不受专业知识水平制约，广泛应用于各种生物体的智能风险预警辅助，节约决策规则逐个梳理的时间成本，故能缩短并发症风险预警的计算反馈时间，使得生物体并发症风险预警模型在基层养殖户中更易推广。

技术领域

本发明涉及医疗辅助决策技术领域，尤其涉及一种并发症风险预警方法、装置、电子设备及存储介质。

背景技术

近年来，随着人工智能蓬勃发展，为传统蛋鸡健康管理带来全新技术手段，越来越多机器学习和深度学习技术被应用于健康风险预测，实现了健康风险模型从传统统计模型向数据驱动智能优化算法的更新迭代。其中深度学习是典型的数据驱动型技术，常被用于处理一些环境信息复杂、知识背景模糊和推理规则不明确的问题，具有面向数据、非线性拟合、自主学习潜在规则等优势，相较于传统病症专家系统知识门槛高、问询过程繁琐等缺点，基于深度学习问询模型仅通过对病症病例信息整合和提炼，便可快速建立准确、高效、灵活的病症问询模型，节约知识提取成本，突破专家知识获取“瓶颈”，实现病症的智能风险预测。

现有病症风险预测模型的构建各有不足之处，基于规则的缺点是需要专家兽医对病症知识进行全面系统的提取并表示，且在使用过程中，不能随着新病例的加入更新原有系统，灵活度低，准确率差强人意；基于机器学习算法的缺点是模型建立需要对建模的少量数据背景分布做出合理的数学假定，在数据与数学假定相差较远情况下，不能对复杂的变量函数进行有效估计。

此外，对于一种病症在发展过程中引起另一种病症或并发症的风险预警的解决方案在以往的研究中均未有提及，问询结果也仅限于输出分类结果，技术上无法满足更进一步的提供风险预警的支撑。

而目前并没有一种能够解决上述技术问题的技术方案，具体的，并没有一种并发症风险预警方法、装置、电子设备及存储介质。

发明内容

本发明的目的是提出一种并发症风险预警方法，包括：

提取目标生物体的所有症状特征，以确定症状特征向量组合；

将所述症状特征向量组合输入至并发症风险预警模型，以获取所述症状特征向量组合所对应的所有并发症的预警级别；

所述症状特征向量组合是所有症状特征向量化表示的组合；

所述并发症风险预警模型是基于多个特征向量组合样本，以及各特征向量组合样本对应的并发症预警级别标签训练获取的。

根据本发明提供的一种并发症风险预警方法，在提取目标生物体的所有症状特征，以确定症状特征向量组合之前，包括：

构建所有样本病例所对应的特征向量组合样本；

确定每个样本病例所对应的并发症预警级别标签；

基于所述特征向量组合样本以及所述特征向量组合样本所对应的并发症预警级别标签构建并发症风险预警模型；

所述特征向量组合样本由预设个数的样本特征向量组合而成。

根据本发明提供的一种并发症风险预警方法，在基于所述特征向量组合样本以及所述特征向量组合样本所对应的并发症预警级别标签构建并发症风险预警模型之前，还包括：

获取所有样本特征；

基于单个一级症状特征获取每个第一主病症的预警级别；

基于多个二级症状特征获取每个第二主病症的预警级别；