[发明专利]一种基于多任务学习模型的慢病预测系统

说明书

本发明公开了一种基于多任务学习模型的慢病预测系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的慢病预测模型，所述的慢病预测模型由共享层卷积神经网络和多个慢病分支网络组成；所述计算机处理器执行所述计算机程序时实现以下步骤：将待预测的体检记录经过预处理后先输入慢病预测模型的共享层卷积神经网络中进行特征提取，特得到特征图；然后将得到的特征图分别输入每个慢病分支网络，分别进行特征提取和预测，得到慢病预测结果。本发明的慢病预测系统，可以通过运用多种慢性病之间可能存在的潜在联系，同时对多种慢性病进行预测。

技术领域

本发明属于医学人工智能领域，尤其是涉及一种基于多任务学习模型的慢病预测系统。

背景技术

慢性病(也称慢病)是一类潜伏性、病程长的常见疾病，包括糖尿病、心血管疾病、癌症和呼吸系统疾病等。近年来，慢性病的患者数量还在迅速增加。一般来说，慢性病的病因复杂，需要持续的治疗。因此，慢性病给人们身体、生活带来的危害，其死亡率和治疗负担不断增加。如果能够对慢性病进行早期的发现和干预，能够有效缓解这些问题。

目前，已经有一些方法尝试进行及早的慢性病的发现和治疗。这些方法普遍可以分为两大类：一类是侧重研究包含人们生活习惯和人口统计学变量的数据，找出可能导致某种慢性病的身体装潢或者生活习惯，从而对慢性病进行预防。

如公开号为CN107153774A的中国专利文献公开了慢性病风险评估双曲线模型的构建及应用该模型的疾病预测系统，其依托山东省20多家健康管理中心的纵向健康管理数据构建山东多中心健康管理纵向观察队列，探讨遗传、环境、个人生活方式、健康干预因素等在重大慢性病发生、发展和转归过程中的作用，建立适用于山东省健康体检人群的各种慢性病的风险评估双曲线模型和疾病预测系统，并为慢性病的健康干预提供科学依据。

另一类是通过一些方法来分析电子健康档案的数据和其他通过检查收集的数据，包括人体测量特征(年龄、性别、体重指数等)和生理记录(包括血常规、血糖、尿常规等)，通过寻找医学指标和慢性病之间的联系，从而发现某种疾病的危险因素，从而对其进行预测。与此同时，一些研究已经探索了常见的危险因素以及一些常见慢性病之间的潜在联系。

如公开号为CN107007284A的中国专利文献公开了一种多病种慢性病信息管理系统，包括数据库、应用服务器、若干个医院客户端和患者客户端；数据库存储患者的各项体检数据、医生建议、各检查项的健康数据参考范围及各种慢性病的健康状态评估指标；应用服务器根据医院/患者客户端发来的第一查询指令，在数据库中获取指定患者的各项体检数据及相应的健康数据参考范围、各种慢性病的健康状态评估指标、医生建议，得出慢性病评估结果，并将当前指定患者的慢性病评估结果及上述各种数据返回给医院/患者客户端。

然而，目前仍然没有一种运用这些可能存在的慢性病之间的潜在联系，对多种慢性病进行同时预测的方法。

发明内容

本发明提供了一种基于多任务学习模型的慢病预测系统，可以通过运用多种慢性病之间可能存在的潜在联系，同时对多种慢性病进行预测。

一种基于多任务学习模型的慢病预测系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的慢病预测模型，所述的慢病预测模型由共享层卷积神经网络和多个慢病分支网络组成；

所述计算机处理器执行所述计算机程序时实现以下步骤：

将待预测的体检记录经过预处理后输入慢病预测模型的共享层卷积神经网络中进行特征提取，特得到特征图；

将得到的特征图分别输入每个慢病分支网络，分别进行特征提取和预测，得到慢病预测结果。