[发明专利]预测疾病终点事件的方法、装置及电子设备有效
| 申请号： | 201811271321.X | 申请日： | 2018-10-29 |
| 公开（公告）号： | CN109326353B | 公开（公告）日： | 2020-11-27 |
| 发明（设计）人： | 李林峰 | 申请（专利权）人： | 南京医基云医疗数据研究院有限公司 |
| 主分类号： | G16H50/20 | 分类号： | G16H50/20 |
| 代理公司： | 北京律智知识产权代理有限公司 11438 | 代理人： | 袁礼君;阚梓瑄 |
| 地址： | 210000 江苏省南京市江北新区*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开涉及一种预测疾病终点事件的方法、装置、电子设备及计算机可读介质。该方法包括：采集疾病发生和诊疗阶段的信息作为T0时序点特征；采集每次复查时的信息作为相应复查时的Ti时序点特征；利用深度学习神经网络模型预测未来时间窗内的疾病终点事件，其中包括：在所述深度学习神经网络模型的DNN模型中，对应于每个时序点，分别接收所述T0时序点特征至所述Ti时序点特征的其中之一，并输出多维向量；通过所述深度学习神经网络模型的时序神经网络模型接收每个时序点的DNN模型输出的所述多维向量；通过所述深度学习神经网络模型的输出层接收来自所述时序神经网络模型的输入，产生输出结果。根据本申请的方案能够提高预测准确性。 | ||
| 搜索关键词： | 预测 疾病 终点 事件 方法 装置 电子设备 | ||
【主权项】：
1.一种预测疾病终点事件的方法，其特征在于，包括：采集疾病发生和诊疗阶段的信息作为T0时序点特征；采集每次复查时的信息作为相应复查时的Ti时序点特征；利用深度学习神经网络模型预测未来时间窗内的疾病终点事件，其中包括：在所述深度学习神经网络模型的DNN模型中，对应于每个时序点，分别接收所述T0时序点特征至所述Ti时序点特征的其中之一，并输出多维向量；通过所述深度学习神经网络模型的时序神经网络模型接收每个时序点的DNN模型输出的所述多维向量；通过所述深度学习神经网络模型的输出层接收来自所述时序神经网络模型的输入，产生输出结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京医基云医疗数据研究院有限公司，未经南京医基云医疗数据研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811271321.X/，转载请声明来源钻瓜专利网。
