[发明专利]基于神经网络的帕金森病预测设备、装置和存储介质

权利要求书

1.一种基于神经网络的帕金森病预测设备，其特征在于，所述帕金森病预测设备包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如下步骤：

获取目标用户对应的第一症状信息，所述第一症状信息包括所述目标用户的手抖数据；

将所述手抖数据输入帕金森病预测模型进行风险预测，获得所述目标用户对应的风险预测结果，所述风险预测结果包括所述目标用户患有帕金森病的第一预测概率；

当所述第一预测概率大于或等于第一概率阈值时，输出所述目标用户患有帕金森病的第一风险提示信息；

当所述第一预测概率大于或等于第二概率阈值且小于所述第一概率阈值时，获取所述目标用户对应的第二症状信息，并基于所述第二症状信息输出所述目标用户患有帕金森病的第二风险提示信息；

所述处理器实现将所述手抖数据输入帕金森病预测模型进行预测，获得所述目标用户对应的风险预测结果的步骤之前，还包括：获取待训练的手抖样本数据；对所述手抖样本数据进行标签标注，获得携带标签的手抖样本数据；根据携带标签的手抖样本数据，对帕金森病预测模型进行迭代训练；

待训练的手抖样本数据包括帕金森病患者的第一手抖样本数据与非帕金森病患者的第二手抖样本数据；所述处理器实现对所述手抖样本数据进行标签标注，获得携带标签的手抖样本数据的步骤，包括：根据预设的计算公式，对所述第一手抖样本数据中的手抖发生频次、抖动频率、抖动幅度以及抖动时长进行手抖分值计算，获得所述第一手抖样本数据对应的手抖分值；若所述第一手抖样本数据对应的手抖分值大于或等于预设的手抖分阈值，则对所述第一手抖样本数据添加第一标签；若所述第一手抖样本数据对应的手抖分值小于所述手抖分阈值，则对所述第一手抖样本数据添加第二标签；对所述第二手抖样本数据添加第二标签；其中，所述第一标签表示有帕金森病症状，所述第二标签表示无帕金森病症状；

所述处理器实现根据携带标签的手抖样本数据，对帕金森病预测模型进行迭代训练的步骤，包括：根据携带标签的所述手抖样本数据确定每一轮的训练数据，将当前轮训练数据输入帕金森病预测模型进行预测训练，获得所述当前轮训练数据对应的预测信息；基于预设的损失函数，根据所述预测信息与所述当前轮训练数据携带的标签，确定所述当前轮训练数据对应的损失函数值；若所述损失函数值大于预设的损失值阈值，则调整所述帕金森病预测模型的参数，并进行下一轮训练，直至得到的损失函数值小于或等于损失值阈值，结束训练，得到训练好的帕金森病预测模型。

2.根据权利要求1所述的基于神经网络的帕金森病预测设备，其特征在于，所述手抖数据包括手抖发生频次、抖动频率、抖动幅度以及抖动时长。

3.根据权利要求1所述的基于神经网络的帕金森病预测设备，其特征在于，所述处理器实现基于所述第二症状信息输出所述目标用户患有帕金森病的第二风险提示信息的步骤，包括：

当所述第二症状信息满足预设条件时，对所述第一预测概率增加预设的第二预测概率，获得第三预测概率，并输出包含所述第三预测概率的第二风险提示信息；

当所述第二症状信息不满足所述预设条件时，输出包含所述第一预测概率的第二风险提示信息。

4.根据权利要求3所述的基于神经网络的帕金森病预测设备，其特征在于，所述预设条件包括以下至少一项：

所述目标用户存在肌肉强直症状；

所述目标用户存在动作迟缓症状；

所述目标用户存在容易忘记短期的事情症状。

5.根据权利要求1所述的基于神经网络的帕金森病预测设备，其特征在于，所述第一症状信息还包括所述目标用户的个人信息；所述处理器实现的步骤，还包括：

确定所述目标用户是否为帕金森病确诊患者；

若所述目标用户为帕金森病确诊患者，则对所述第一症状信息中的个人信息进行脱敏处理，获得脱敏处理后的第一症状信息；

将脱敏处理后的所述第一症状信息作为样本数据，以用于所述帕金森病预测模型进行训练。

6.一种帕金森病预测装置，其特征在于，包括：

症状信息获取模块，用于获取目标用户对应的第一症状信息，所述第一症状信息包括所述目标用户的手抖数据；

帕金森病预测模块，用于将所述手抖数据输入帕金森病预测模型进行风险预测，获得所述目标用户对应的风险预测结果，所述风险预测结果包括所述目标用户患有帕金森病的第一预测概率；

第一输出模块，用于当所述第一预测概率大于或等于第一概率阈值时，输出所述目标用户患有帕金森病的第一风险提示信息；

第二输出模块，当所述第一预测概率大于或等于第二概率阈值且小于所述第一概率阈值时，获取所述目标用户对应的第二症状信息，并基于所述第二症状信息输出所述目标用户患有帕金森病的第二风险提示信息；

所述帕金森病预测模块，还用于获取待训练的手抖样本数据；对所述手抖样本数据进行标签标注，获得携带标签的手抖样本数据；根据携带标签的手抖样本数据，对帕金森病预测模型进行迭代训练；

待训练的手抖样本数据包括帕金森病患者的第一手抖样本数据与非帕金森病患者的第二手抖样本数据；所述帕金森病预测模块，还用于根据预设的计算公式，对所述第一手抖样本数据中的手抖发生频次、抖动频率、抖动幅度以及抖动时长进行手抖分值计算，获得所述第一手抖样本数据对应的手抖分值；若所述第一手抖样本数据对应的手抖分值大于或等于预设的手抖分阈值，则对所述第一手抖样本数据添加第一标签；若所述第一手抖样本数据对应的手抖分值小于所述手抖分阈值，则对所述第一手抖样本数据添加第二标签；对所述第二手抖样本数据添加第二标签；其中，所述第一标签表示有帕金森病症状，所述第二标签表示无帕金森病症状；

所述帕金森病预测模块，还用于根据携带标签的所述手抖样本数据确定每一轮的训练数据，将当前轮训练数据输入帕金森病预测模型进行预测训练，获得所述当前轮训练数据对应的预测信息；基于预设的损失函数，根据所述预测信息与所述当前轮训练数据携带的标签，确定所述当前轮训练数据对应的损失函数值；若所述损失函数值大于预设的损失值阈值，则调整所述帕金森病预测模型的参数，并进行下一轮训练，直至得到的损失函数值小于或等于损失值阈值，结束训练，得到训练好的帕金森病预测模型。