System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种罕见病严重程度的确定装置及方法制造方法及图纸_技高网

一种罕见病严重程度的确定装置及方法制造方法及图纸

技术编号:43923858 阅读:4 留言:0更新日期:2025-01-03 13:28
本发明专利技术涉及互联网技术领域,尤其涉及一种罕见病严重程度的确定装置及方法,该装置包括:处理器、存储介质和总线,处理器执行机器可读指令,以根据目标用户的目标罕见病类型对应的检测数据与目标罕见病类型在不同严重程度下对应的罕见病特征检测数据之间的相似度,确定目标用户对于目标罕见病类型的严重程度,为医生提供有效治疗方向,从而避免目标用户不必要的检查和不合理治疗,缩短了目标用户的治疗时长。

【技术实现步骤摘要】

本专利技术涉及互联网,具体而言,涉及一种罕见病严重程度的确定装置及方法


技术介绍

1、针对罕见病而言,临床医生接待相关病患量较少,经验积累有限。对于经验不足的临床医生,无法精准确定病患当前患病程度从而导致未能选择最优治疗方案,而且会因不明确病因造成不必要的检查和不合理治疗,转诊于多科室,增加治疗时长。


技术实现思路

1、有鉴于此,本申请的目的在于提供一种罕见病严重程度的确定装置及方法,能够为医生确定目标用户可能存在的至少一种目标罕见病类型及严重程度,为医生提供有效治疗方向,从而避免目标用户不必要的检查和不合理治疗,缩短了目标用户的治疗时间长。

2、第一方面,本申请实施例提供了一种罕见病严重程度的确定装置,该罕见病严重程度的确定装置包括:处理器、存储介质和总线,存储介质存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与所述存储介质之间通过总线通信,处理器执行机器可读指令,以执行下述步骤:

3、获取每种罕见病类型在不同严重程度下对应的罕见病特征检测数据,及根据目标检测项子集确定的目标用户的第一检测数据;目标检测项子集为从罕见病检测项全集中选取的符合预设条件且罕见病检测准确率最高的子集;罕见病检测项全集包括各种罕见病类型分别对应的检测项标识;预设条件包括目标检测项子集的数量约束和成本约束;各严重程度下对应的罕见病特征检测数据是根据罕见病类型对应的多个罕见病检测数据集确定的;罕见病检测数据集是对罕见病类型对应所有罕见病检测数据进行聚类后得到的;

<p>4、将第一检测数据输入到罕见病检测模型中得到至少一个初始罕见病类型;罕见病检测模型是通过检测样本数据以及对应的罕见病类型标签进行训练得到的;

5、基于初始罕见病类型对应的检测项标识获取的目标用户对应的第二检测数据,从所有初始罕见病类型中确定目标罕见病类型;

6、通过下述相似度公式,计算基于目标罕见病类型对应的检测项标识获取的目标用户对应的检测数据与目标罕见病类型在不同严重程度下对应的罕见病特征检测数据之间的相似度;

7、;

8、其中,为目标用户对应的检测数据与罕见病特征检测数据之间的相似度,为目标用户对应的检测数据对应检测项标识的数量,为目标用户对应的检测数据对应检测时刻的数量,为目标用户对应的检测数据中第n个检测项的第a个检测时刻的检测数据值减去第个检测时刻的检测数据值后得到的值,为罕见病特征检测数据中第n个检测项的第a个检测时刻的检测数据值减去第个检测时刻的检测数据值后得到的差值,为目标用户对应的检测数据中第n个检测项的第i个时刻的检测数据值与罕见病特征检测数据中第n个检测项的第i个时刻的检测数据值之间的差值的绝对值,为第一预设权重,为第二预设权重;

9、将相似度最高的严重程度确定为目标用户对于目标罕见病类型的严重程度。

10、在一种可能的实施方式中,处理器通过下述步骤从罕见病检测项全集中选取目标检测项子集:

11、获取从罕见病检测项全集中选取的符合预设条件的至少一个初始检测项子集,以及各初始检测项子集对应的罕见病检测项样本数据;罕见病检测项样本数据携带有罕见病类型标签;

12、将各初始检测项子集对应的罕见病检测项样本数据输入到罕见病检测模型中,得到罕见病检测项样本数据的罕见病类型检测结果;

13、根据各初始检测项子集对应的罕见病检测项样本数据的罕见病类型检测结果和罕见病类型标签,确定各初始检测项子集对应的罕见病检测准确率;

14、将罕见病检测准确率最高的初始检测项子集确定为目标检测项子集。

15、在一种可能的实施方式中,处理器通过下述步骤获取每种罕见病类型在不同严重程度下对应的罕见病特征检测数据:

16、基于罕见病类型对应的检测项标识获取在不同严重程度下对应的罕见病检测数据;

17、通过目标聚类算法对罕见病检测数据进行聚类,得到多个罕见病检测数据集;目标聚类算法是从多个初始聚类算法中选取的聚类结果最精准的聚类算法;

18、统计各罕见病检测数据集中各严重程度下对应的罕见病检测数据的数量;

19、将罕见病检测数据的数量最多的严重程度确定为各罕见病检测数据集对应的目标严重程度;

20、根据各罕见病检测数据集中严重程度为对应目标严重程度的所有目标罕见病检测数据,确定各目标严重程度下对应的罕见病特征检测数据。

21、在一种可能的实施方式中,处理器通过下述步骤从多个初始聚类算法中选取目标聚类算法:

22、获取多个罕见病样本检测数据;

23、通过各初始聚类算法对所有罕见病样本检测数据进行聚类,得到各初始聚类算法对应的多个罕见病样本检测数据集;

24、针对每个初始聚类算法对应的每个罕见病样本检测数据集,根据罕见病样本检测数据集中每两个罕见病样本检测数据之间的数据相似度,确定初始聚类算法对应的罕见病样本检测数据集的第一数据相似度;

25、根据初始聚类算法对应的所有罕见病样本检测数据集的第一数据相似度,确定初始聚类算法对应的第二数据相似度;

26、将第二数据相似度最高的初始聚类算法确定为目标聚类算法。

27、在一种可能的实施方式中,处理器通过下述公式计算每两个罕见病样本检测数据之间的数据相似度:

28、;

29、其中,为两个罕见病样本检测数据之间的数据相似度,为两个罕见病样本检测数据对应的相同的测试项标识的数量,为两个罕见病样本检测数据对应的去重后的测试项标识的总数量,为第一个罕见病样本检测数据中第i个测试项的检测数据值与第二个罕见病样本检测数据中第i个测试项的检测数据值之间的差值的绝对值,和为预设权重。

30、在一种可能的实施方式中,处理器通过下述步骤基于初始罕见病类型对应的检测项标识获取的目标用户对应的第二检测数据,从所有初始罕见病类型中确定目标罕见病类型:

31、将第二检测数据与各初始罕见病类型对应的罕见病综合特征检测数据的相似度,确定为各初始罕见病类型对应的第一检测概率;各初始罕见病类型对应的罕见病综合特征检测数据是结合了各初始罕见病类型在所有严重程度下对应的检测数据得到的;

32、将第二检测数据输入到所述罕见病检测模型中,得到各初始罕见病类型对应的第二检测概率;

33、根据各初始罕见病类型对应的第一检测概率和第二检测概率,计算各初始罕见病类型对应的目标检测概率;

34、将目标检测概率最高的初始罕见病类型确定为目标罕见病类型。

35、在一种可能的实施方式中,所述处理器,还用于执行下述步骤;

36、获取罕见病治疗信息知识图谱;罕见病治疗信息知识图谱中包含多个三元组;每个三元组中的第一实体是一个包含了罕见病类型、罕见病的严重程度、检测数据的文本信息,每个三元组中的第二实体是指治疗文本信息;

37、根据目标罕见病类型、目标用户对于目标罕见病类型的严重程度、本文档来自技高网...

【技术保护点】

1.一种罕见病严重程度的确定装置,其特征在于,所述装置包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行下述步骤:

2.根据权利要求1所述的罕见病严重程度的确定装置,其特征在于,所述处理器通过下述步骤从所述罕见病检测项全集中选取所述目标检测项子集:

3.根据权利要求1所述的罕见病严重程度的确定装置,其特征在于,所述处理器通过下述步骤获取每种罕见病类型在不同严重程度下对应的罕见病特征检测数据:

4.根据权利要求3所述的罕见病严重程度的确定装置,其特征在于,所述处理器通过下述步骤从多个初始聚类算法中选取目标聚类算法:

5.根据权利要求4所述的罕见病严重程度的确定装置,其特征在于,所述处理器通过下述公式计算所述每两个罕见病样本检测数据之间的数据相似度:

6.根据权利要求1所述的罕见病严重程度的确定装置,其特征在于,所述处理器通过下述步骤基于所述初始罕见病类型对应的检测项标识获取的所述目标用户对应的第二检测数据,从所有初始罕见病类型中确定目标罕见病类型:

7.根据权利要求1至6任一项所述的罕见病严重程度的确定装置,其特征在于,所述处理器,还用于执行下述步骤;

8.一种罕见病严重程度的确定方法,其特征在于,所述方法包括:

9.根据权利要求8所述的罕见病严重程度的确定方法,其特征在于,通过下述步骤从所述罕见病检测项全集中选取所述目标检测项子集,包括:

10.根据权利要求8所述的罕见病严重程度的确定方法,其特征在于,通过下述步骤获取每种罕见病类型在不同严重程度下对应的罕见病特征检测数据:

...

【技术特征摘要】

1.一种罕见病严重程度的确定装置,其特征在于,所述装置包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行下述步骤:

2.根据权利要求1所述的罕见病严重程度的确定装置,其特征在于,所述处理器通过下述步骤从所述罕见病检测项全集中选取所述目标检测项子集:

3.根据权利要求1所述的罕见病严重程度的确定装置,其特征在于,所述处理器通过下述步骤获取每种罕见病类型在不同严重程度下对应的罕见病特征检测数据:

4.根据权利要求3所述的罕见病严重程度的确定装置,其特征在于,所述处理器通过下述步骤从多个初始聚类算法中选取目标聚类算法:

5.根据权利要求4所述的罕见病严重程度的确定装置,其特征在于,所述处理...

【专利技术属性】
技术研发人员:张抒扬郭健金晔史文钊弓孟春郑熙弘刘鹏张舒媛
申请(专利权)人:中国医学科学院北京协和医院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1