申请/专利权人：首都医科大学宣武医院

申请日：2023-12-19

公开（公告）日：2024-03-22

公开（公告）号：CN117747121A

主分类号：G16H50/50

分类号：G16H50/50;G16H50/20;G16H50/70;G16H10/60;G06N3/042;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于多模型的糖尿病风险预估系统，其包括学习模型构建模块、属性信息识别抽取模块、有向图模型构建模块、节点信息识别抽取模块、特征向量提取模块和网络模型构建模块，构建糖尿病深度学习模型、不同糖尿病类型对应的糖尿病类型有向图模型和糖尿病类型神经网络模型，利用此多模型的配合可以预测出待预估患者是否患有某一种类型糖尿病的风险。

主权项：1.一种基于多模型的糖尿病风险预估系统，其特征在于，其包括学习模型构建模块、属性信息识别抽取模块、有向图模型构建模块、节点信息识别抽取模块、特征向量提取模块和网络模型构建模块；所述学习模型构建模块用于基于获得的糖尿病相关信息训练深度学习模型以构建出糖尿病深度学习模型；所述属性信息识别抽取模块用于预配置属性信息识别抽取规则，糖尿病深度学习模型利用该属性信息识别抽取规则识别抽取多个糖尿病患者历史信息，从中识别抽取出不同糖尿病类型下的多个基本信息属性和多个信息属性方向关系，信息属性方向关系为第一信息属性→第二信息属性的方向性关系；所述有向图模型构建模块用于基于不同糖尿病类型下的多个基本信息属性和多个信息属性方向关系及图论原理构建对应的糖尿病类型下的糖尿病类型有向图模型，并将糖尿病类型有向图模型中的基本信息属性节点和构成信息属性方向关系的数量达到目标数的属性节点作为优先属性节点，优先属性节点为第二信息属性节点时其对应的第一信息属性节点也为优先属性节点，余下作为非优先属性节点；所述节点信息识别抽取模块用于基于每个糖尿病类型有向图模型对应的预配置节点信息识别抽取规则，糖尿病深度学习模型利用该节点信息识别抽取规则识别抽取对应的糖尿病类型的多个糖尿病患者历史信息，从每个糖尿病患者历史信息中先抽取出该糖尿病类型有向图模型下优先属性节点的具体内容填充至对应的优先属性节点处、再抽取出非优先属性节点的具体内容填充至对应的非优先属性节点处，从而获得每个糖尿病类型下每个糖尿病患者的糖尿病类型有向图；所述特征向量提取模块用于从每个糖尿病类型下每个糖尿病患者的糖尿病类型有向图中提取出第一信息属性节点和第二信息属性节点均已填充的构成一个有向性特征向量；所述网络模型构建模块用于将各个糖尿病类型下每个糖尿病患者所提取出的所有有向性特征向量分别作为一个输入样本集合、对应的糖尿病类型作为输出样本对卷积神经网络模型进行训练以获得糖尿病类型神经网络模型。

全文数据：

权利要求：

百度查询： 首都医科大学宣武医院 一种基于多模型的糖尿病风险预估系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD