[发明专利]一种基于深度学习的糖尿病与高血压概率计算方法在审
| 申请号： | 201910202701.6 | 申请日： | 2019-03-18 |
| 公开（公告）号： | CN109994201A | 公开（公告）日： | 2019-07-09 |
| 发明（设计）人： | 吴健;胡汉一;陆逸飞;王文哲;吴福理 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G16H50/20 | 分类号： | G16H50/20;G16H50/30 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的糖尿病与高血压概率计算方法，包括：(1)采集用户体检数据后进行数据清洗和预处理，再对数据中的数字数据和文本数据分别进行编码操作，得到训练数据；(2)建立糖尿病与高血压多任务概率计算模型；(3)使用训练数据对上述多任务概率计算模型进行训练，根据模型计算的结果与糖尿病、高血压标签的重合情况对网络参数进行优化，直到模型收敛；(4)将需要计算糖尿病与高血压概率的体检数据进行清洗、预处理和编码操作后输入上述训练完的模型，计算得到糖尿病概率与高血压概率。利用本发明，可同时计算糖尿病与高血压疾病的概率，辅助医生进行更好的判断。 | ||
| 搜索关键词： | 糖尿病 高血压 概率计算 预处理 概率 编码操作 训练数据 体检 高血压疾病 辅助医生 模型计算 数据清洗 网络参数 文本数据 重合 收敛 清洗 标签 采集 学习 优化 | ||
【主权项】：
1.一种基于深度学习的糖尿病与高血压概率计算方法，其特征在于，包括以下步骤：(1)采集用户体检数据后进行数据清洗和预处理，再对数据中的数字数据和文本数据分别进行编码操作，得到训练数据；(2)建立糖尿病与高血压多任务概率计算模型，所述多任务概率计算模型包含由全连接层搭建的数字特征提取器和以BERT模型为主体的文本特征提取器；(3)使用训练数据对上述多任务概率计算模型进行训练，根据模型计算的结果与糖尿病、高血压标签的重合情况对网络参数进行优化，直到模型收敛；(4)将需要计算糖尿病与高血压概率的体检数据进行清洗、预处理和编码操作后输入上述训练完的模型，计算得到糖尿病概率与高血压概率。
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浙江大学，未经浙江大学许可，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/201910202701.6/，转载请声明来源钻瓜专利网。
