一种病症预警方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例提供了一种病症预警方法、装置、设备及介质，由于本发明专利技术实施例将预测时间段之前预设时间范围内采集到的待预测患者的生命体征和治疗的数据输入到至少两种预测模型中，将该至少两种预测模型的输出作为新的特征输入到集成模型中，根据该集成模型的输出，确定该预测时间段所述待预测患者病发预设疾病的概率，在本发明专利技术实施例中，采用多个模型进行病症预警，提高了对病症预警的准确度，提高了用户的使用感。

【技术实现步骤摘要】
一种病症预警方法、装置、设备及介质
本专利技术涉及医疗检测数据领域，尤其涉及一种病症预警方法、装置、设备及介质。
技术介绍
随着科学技术的发展，越来越多的患者通过手术被救治，但是患者手术后很容易被感染。器官衰竭感染病症是由患者对感染的反应失调引起的危及生命的器官功能障碍，是重症监护室中的常见疾病及患者死亡的主要原因之一，现有技术中，可以基于患者的生命标志物，如降钙元素等，结合患者的病症评分，基于一个预测模型，输出患者病发的概率，但是这种方法中，仅使用了单一的生物标志物预测，使得预测结果准确度偏低，另一方面，仅使用一个模型会受到模型的偏好的影响，影响预测结果的准确性。
技术实现思路
本专利技术实施例提供了一种病症预警方法、装置、设备及介质，用以解决现有的病症预警准确度较低的问题。本专利技术实施例提供一种病症预警方法，所述方法包括：将预测时间段之前预设时间范围内采集到的待预测患者的生命体征和治疗的数据输入到至少两种预测模型中；将所述至少两种预测模型的输出作为新的特征输入到集成模型中；根据所述集成模型的输出，确定所述预测时间段所述待预测患者病发预设疾病的概率。进一步地，将预测时间段之前预设时间范围内采集到的待预测患者的生命体征和治疗的数据输入到至少两种预测模型中之前，所述方法还包括：将所述生命体征和治疗数据进行分类，获取满足生命体征要求的第一目标数据和满足该治疗要求的第二目标数据；若所述生命体征为第一类生命体征，则获取预设时间范围内的所述生命体征的数据的目标最大值、目标最小值、目标中位数和目标平均值；若所述生命体征为第二类生命体征，则获取预设时间范围内的所述生命体征的数据；若所述生命体征为第三类生命体征，则获取所述待预测患者的第二设定时长内该生命体征的总数据。进一步地，所述获取满足该治疗要求的第二目标数据包括：获取所述待预测患者第一设定时长、第二设定时长以及第三设定时长内服用设定的药物服用量，其中，第一设定时长小于第二设定时长，第二设定时长小于第三设定时长；获取所述待预测患者的氧分压与吸氧浓度的比值的最小值。进一步地，所述至少两种预测模型包括：第一预测模型为多层感知器预测模型，第二预测模型为长短期记忆神经网络预测模型和第三预测模型为梯度提升机LightGBM模型。进一步地，当包括多层感知器预测模型，长短期记忆神经网络预测模型和LightGBM模型时，对每个预测模型以及集成模型的训练过程包括：获取训练集中的任一样本数据，所述样本数据包含目标患者的满足生命体征要求的第三目标数据和满足该治疗要求的第四目标数据，以及所述目标患者在采集所述第三目标数据和第四目标数据之后的预设时间段是否病发预设疾病的标识信息；将所述样本数据输入到所述多层感知器预测模型，长短期记忆神经网络预测模型和LightGBM模型中；将所述多层感知器预测模型输出的第一目标预测结果、所述短期记忆神经网络预测模型输出的第二目标预测结果，以及所述LightGBM模型输出的第三目标预测结果输入到集成模型中；根据所述集成模型的输出的是否病发预设疾病的信息以及所述样本数据对应的是否病发预设疾病的标识信息，对所述多层感知器预测模型，长短期记忆神经网络预测模型和LightGBM模型以及所述集成模型的参数进行调整。进一步地，所述集成模型为回归模型。本专利技术实施例还提供一种病症预警装置，所述装置包括：获取模块，用于获取预测时间段之前预设时间范围内采集到的待预测患者的生命体征和治疗的数据；预测模块，用于将预测时间段之前预设时间范围内采集到的待预测患者的生命体征和治疗的数据输入到至少两种预测模型中；将所述至少两种预测模型的输出作为新的特征输入到集成模型中；根据所述集成模型的输出，确定所述预测时间段所述待预测患者病发预设疾病的概率。进一步地，所述预测模块，具体用于将所述生命体征和治疗数据进行分类，获取满足生命体征要求的第一目标数据和满足治疗要求的第二目标数据；若所述生命体征为第一类生命体征，则获取预设时间范围内的所述生命体征的数据的目标最大值、目标最小值、目标中位数和目标平均值；若所述生命体征为第二类生命体征，则将预设时间范围内的所述生命体征的数据；若所述生命体征为第三类生命体征，则确定所述待预测患者的第二设定时长内该生命体征的总数据。进一步地，所述预测模块，具体用于获取所述待预测患者第一设定时长、第二设定时长以及第三设定时长内服用设定的药物服用量，其中，第一设定时长小于第二设定时长，第二设定时长小于第三设定时长；获取所述待预测患者的氧分压与吸氧浓度的比值的最小值。进一步地，所述至少两种预测模型包括：第一预测模型为多层感知器预测模型，第二预测模型为长短期记忆神经网络预测模型和第三预测模型为梯度提升机LightGBM模型。进一步地，所述装置还包括：训练模块，用于获取训练集中的任一样本数据，所述样本数据包含目标患者的满足生命体征要求的第三目标数据和满足该治疗要求的第四目标数据，以及所述目标患者在采集所述第三目标数据和第四目标数据之后的预设时间段是否病发预设疾病的标识信息；将所述样本数据输入到所述多层感知器预测模型，长短期记忆神经网络预测模型和LightGBM模型中；将所述多层感知器预测模型输出的第一目标预测结果、所述短期记忆神经网络预测模型输出的第二目标预测结果，以及所述LightGBM模型输出的第三目标预测结果输入到集成模型中；根据所述集成模型的输出的是否病发预设疾病的信息以及所述样本数据对应的是否病发预设疾病的标识信息，对所述多层感知器预测模型，长短期记忆神经网络预测模型和LightGBM模型以及所述集成模型的参数进行调整。进一步地，所述集成模型为回归模型。本专利技术实施例还提供一种电子设备，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现上述任一的病症预警方法的步骤。本专利技术实施例还提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述任一的病症预警方法的步骤。由于本专利技术实施例将预测时间段之前预设时间范围内采集到的待预测患者的生命体征和治疗的数据输入到至少两种预测模型中，将该至少两种预测模型的输出作为新的特征输入到集成模型中，根据该集成模型的输出，确定该预测时间段所述待预测患者病发预设疾病的概率，在本专利技术实施例中，采用多个模型进行病症预警，提高了对病症预警的准确度，提高了用户的使用感。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种病症预警方法的过程示意图；图2为本专利技术实施例提供的预测在预设时间段待预测患者是否会病发预设疾病的流程图；图3为本发本文档来自技高网...

【技术保护点】
1.一种病症预警方法，其特征在于，所述方法包括：/n将预测时间段之前预设时间范围内采集到的待预测患者的生命体征和治疗的数据输入到至少两种预测模型中；/n将所述至少两种预测模型的输出作为新的特征输入到集成模型中；/n根据所述集成模型的输出，确定所述预测时间段所述待预测患者病发预设疾病的概率。/n

【技术特征摘要】
1.一种病症预警方法，其特征在于，所述方法包括：
将预测时间段之前预设时间范围内采集到的待预测患者的生命体征和治疗的数据输入到至少两种预测模型中；
将所述至少两种预测模型的输出作为新的特征输入到集成模型中；
根据所述集成模型的输出，确定所述预测时间段所述待预测患者病发预设疾病的概率。


2.根据权利要求1所述的方法，其特征在于，将预测时间段之前预设时间范围内采集到的待预测患者的生命体征和治疗的数据输入到至少两种预测模型中之前，所述方法还包括：
将所述生命体征和治疗数据进行分类，获取满足生命体征要求的第一目标数据和满足治疗要求的第二目标数据；
若所述生命体征为第一类生命体征，则获取预设时间范围内的所述生命体征的数据的目标最大值、目标最小值、目标中位数和目标平均值；
若所述生命体征为第二类生命体征，则获取预设时间范围内的所述生命体征的数据；
若所述生命体征为第三类生命体征，则获取所述待预测患者的第二设定时长内该生命体征的总数据。


3.根据权利要求2所述的方法，其特征在于，所述获取满足治疗要求的第二目标数据包括：
获取所述待预测患者第一设定时长、第二设定时长以及第三设定时长内服用设定的药物服用量，其中，第一设定时长小于第二设定时长，第二设定时长小于第三设定时长；
获取所述待预测患者的氧分压与吸氧浓度的比值的最小值。


4.根据权利要求1或2所述的方法，其特征在于，所述至少两种预测模型包括：
第一预测模型为多层感知器预测模型，第二预测模型为长短期记忆神经网络预测模型和第三预测模型为梯度提升机LightGBM模型。


5.根据权利要求4所述的方法，其特征在于，当包括多层感知器预测模型，长短期记忆神经网络预测模型和LightGBM模型时，对每个预测模型以及集成模型的训练过程包括：
获取训练集中的任一样本数据，所述样本数据包含目标患者的满足生命体征要求的第三目标数据和满足该治疗要求的第四目标数据，以及所述目标患者在采集所述第三目标数据和第四目标数据之后的预设时间段是否病发预设疾病...

【专利技术属性】
技术研发人员：薛佩姣，赖志明，林志哲，蒋劲峰，薛佳佳，
申请(专利权)人：上海电气集团股份有限公司，
类型：发明
国别省市：上海;31