用户状态预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种用户状态预测方法、装置、电子设备及存储介质，该方法包括：获取目标用户的待处理信息，其中，所述待处理信息包括人口统计学信息和检验指标信息；将所述待处理信息分别输入至训练完成的至少两个状态预测模型中，得到与每个状态预测模型相对应的预测状态标签，其中，所述状态预测模型基于样本用户数据以及样本状态标签训练得到，所述状态预测模型由编码层、深度序列架构层以及分类层构成，每个所述状态预测模型对应的用户状态的预测时间点不同。通过本发明专利技术实施例的技术方案，实现了提高用户状态的预测效果并达到持续预测的效果。续预测的效果。续预测的效果。

【技术实现步骤摘要】
用户状态预测方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及医疗数据处理技术，尤其涉及一种用户状态预测方法、装置、电子设备及存储介质。

技术介绍

[0002]重症监护病房患者具有较高的风险患上危及生命的疾病，因此，及时评估这些患者的疾病严重程度变化并预测其院内死亡风险的有利于帮助他们脱离危险以及稳定病情。
[0003]目前，预测重症监护病房患者死亡风险的方法有基于规则的分数评分方法以及传统的机器学习方法。但是，上述方法预测效果较差，存在稳定性不高的问题，并且，难以进行患者死亡风险的持续预测。

技术实现思路

[0004]本专利技术实施例提供了一种用户状态预测方法、装置、电子设备及存储介质，以实现提高用户状态的预测效果并达到持续预测的效果。
[0005]第一方面，本专利技术实施例提供了一种用户状态预测方法，该方法包括：
[0006]获取目标用户的待处理信息，其中，所述待处理信息包括人口统计学信息和检验指标信息；
[0007]将所述待处理信息分别输入至训练完成的至少两个状态预测模型中，得到与每个状态预测模型相对应的预测状态标签，其中，所述状态预测模型基于样本用户数据以及样本状态标签训练得到，所述状态预测模型由编码层、深度序列架构层以及分类层构成，每个所述状态预测模型对应的用户状态的预测时间点不同。
[0008]第二方面，本专利技术实施例还提供了一种用户状态预测装置，该装置包括：
[0009]信息获取模块，用于获取目标用户的待处理信息，其中，所述待处理信息包括人口统计学信息和检验指标信息；
[0010]标签预测模块，用于将所述待处理信息分别输入至训练完成的至少两个状态预测模型中，得到与每个状态预测模型相对应的预测状态标签，其中，所述状态预测模型基于样本用户数据以及样本状态标签训练得到，所述状态预测模型由编码层、深度序列架构层以及分类层构成，每个所述状态预测模型对应的用户状态的预测时间点不同。
[0011]第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0012]一个或多个处理器；
[0013]存储装置，用于存储一个或多个程序，
[0014]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术实施例任一所述的用户状态预测方法。
[0015]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例任一所述的用户状态预测方法。
[0016]本专利技术实施例的技术方案，通过获取目标用户的待处理信息，将待处理信息分别
输入至训练完成的至少两个状态预测模型中，得到与每个状态预测模型相对应的预测状态标签，解决了用户状态预测效果差以及不能持续预测的问题，实现了提高用户状态的预测效果并能够持续进行预测的效果。
附图说明
[0017]为了更加清楚地说明本专利技术示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本专利技术所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。
[0018]图1为本专利技术实施例一所提供的一种用户状态预测方法的流程示意图；
[0019]图2为本专利技术实施例二所提供的一种状态预测模型训练方法的流程示意图；
[0020]图3为本专利技术实施例三所提供的一种状态预测模型训练方法的流程示意图；
[0021]图4为本专利技术实施例三所提供的一种样本持续数据的获取示意图；
[0022]图5为本专利技术实施例三所提供的一种用于持续预测的时间序列中动态滑窗和前瞻窗口的示意图；
[0023]图6为本专利技术实施例三所提供的一种模型架构的示意图；
[0024]图7为本专利技术实施例四所提供的一种用户状态预测装置的结构示意图；
[0025]图8为本专利技术实施例五所提供的一种电子设备的结构示意图。
具体实施方式
[0026]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0027]实施例一
[0028]图1为本专利技术实施例一所提供的一种用户状态预测方法的流程示意图，本实施例可适用于在重症监护病房中检测用户状态的情况，该方法可以由用户状态预测装置来执行，该装置可以通过软件和/或硬件的形式实现，该硬件可以是电子设备，可选的，电子设备可以是移动终端、PC端、服务器等。
[0029]如图1所述，本实施例的方法具体包括如下步骤：
[0030]S110、获取目标用户的待处理信息。
[0031]其中，待处理信息包括人口统计学信息和检验指标信息。人口统计学信息可以是年龄、性别等信息。检验指标信息可以是对乙酰氨基酚、白蛋白、碳酸氢盐、血二氧化、CD4细胞、氯离子浓度、镁离子浓度、红细胞计数、钠离子浓度、维生素B12、白细胞计数等。目标用户可以是重症监护室的患者，也可以是需要检测用户状态的患者，用户状态可以是用于衡量用户健康情况的信息，例如：是否存活等。
[0032]具体的，可以根据目标用户住院时的登记信息确定目标用户的人口统计学信息。基于重症监护室中的各种检测仪器可以持续测量得到目标用户的检验指标信息。将人口统计学信息和检验指标信息进行整合，得到目标用户的待处理信息。
[0033]S120、将待处理信息分别输入至训练完成的至少两个状态预测模型中，得到与每
个状态预测模型相对应的预测状态标签。
[0034]其中，状态预测模型可以是用于预测未来的预测时间点用户状态的模型。状态预测模型基于样本用户数据以及样本状态标签训练得到，状态预测模型由编码层、深度序列架构层以及分类层构成，每个状态预测模型对应的用户状态的预测时间点不同。预测时间点可以是想要预测用户状态的时间点，例如：当前时间的2天后，当前时间的5天后，当前时间的7天后等。预测状态标签可以是预测得到的用于描述用户状态的标签，例如：死亡状态对应的标签为正，未死亡状态对应的标签为负等。样本用户数据以及样本状态标签可以是用于训练状态预测模型的样本数据。
[0035]具体的，确定想要进行预测的预测时间点，并确定与各预测时间点相对应的状态预测模型。将待处理信息分别输入至确定的训练完成的每个状态预测模型中，可以得到每个状态预测模型的输出标签，并输出标签作为预测状态标签。
[0036]示例性的，状态预测模型针对的预测时间点分别为2天，3天，5天和7天，当前想要持续预测目标用户在未来2天和7天的用户状态，则可以将待处理信息分别持续的输入至2天对应的状态预测模型和7天对应的状态预测模型中，可以持续得到针对目标用户在未来2天的用户状态和目标用户在未来7天的用户状态。
[0037]为了提升待处理信息的数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户状态预测方法，其特征在于，包括：获取目标用户的待处理信息，其中，所述待处理信息包括人口统计学信息和检验指标信息；将所述待处理信息分别输入至训练完成的至少两个状态预测模型中，得到与每个状态预测模型相对应的预测状态标签，其中，所述状态预测模型基于样本用户数据以及样本状态标签训练得到，所述状态预测模型由编码层、深度序列架构层以及分类层构成，每个所述状态预测模型对应的用户状态的预测时间点不同。2.根据权利要求1所述的方法，其特征在于，在所述获取目标用户的待处理信息之后，还包括：对所述待处理信息进行预处理，其中，预处理包括数据聚合、异常值处理、特征标准化以及缺失值处理中的至少一项；根据预处理后的待处理信息进行动态滑窗生成待处理序列，根据所述待处理序列更新所述待处理信息。3.根据权利要求2所述的方法，其特征在于，所述预处理包括数据聚合，所述对所述待处理信息进行预处理，包括：根据预设步长，将所述待处理信息根据信息类型进行数据平均聚合，得到与每个预设步长相对应的预处理后的待处理信息。4.根据权利要求1所述的方法，其特征在于，针对每个所述状态预测模型，基于下述方式训练得到：根据与所述状态预测模型对应的用户状态的预测时间点，获取与所述预测时间点对应的样本用户数据以及样本状态标签，根据样本用户数据以及样本状态标签构建样本数据集，并根据样本数据集确定训练数据集、测试数据集以及验证数据集；其中，所述样本状态标签基于前瞻窗口生成，所述样本用户数据基于动态滑窗生成；通过自助法对所述训练数据集进行重采样处理，得到处理后的训练数据集；基于处理后的训练数据集对初始状态模型进行训练，并进行超参数扫描，确定目标超参数组合，根据所述目标超参数组合以及训练后的初始状态模型，得到待评估状态模型；基于所述验证数据集以及所述待评估状态模型，进行交叉验证，将验证通过的待评估状态模型确定为待测试状态模型；基于所述测试数据集对所述待测试状态模型进行测试，若测试结果满足预设需求，...

【专利技术属性】
技术研发人员：余夏夏，曾广健，高毅，刘勇，
申请(专利权)人：深圳大学，
类型：发明
国别省市：