[发明专利]疾病预测方法、装置及存储介质

说明书

本发明涉及人工智能中的大数据技术，揭露了一种疾病预测方法，包括：获取用户的病理数据集、模型数据集和预测非线性关系，将病理数据集与模型数据集建立映射关系；基于映射关系将病理数据集与模型数据集进行遍历匹配，得到过滤数据集；利用填充算法对过滤数据集进行填充，得到标准数据集；利用预测非线性关系对标准数据集进行训练泛化，得到预测数据集；提取预测数据集包含的预测数据，根据预测数据确定用户的疾病预测结果。本发明还提出一种疾病预测装置、电子设备以及一种计算机可读存储介质。本发明可以解决疾病预测结果可靠性低的问题。

技术领域

本发明涉及人工智能中的大数据技术领域，应用于智慧医疗场景中，涉及一种疾病预测的方法、装置、电子设备及可读存储介质。

背景技术

随着人们生活水平的提高，越来越多的人开始关注身体健康状况，对于健康状况作出评估是生活中成为越来越常见的场景需求，例如体检报告分析、健康教育以及疾病预防等等。

目前市面上有关乎各类疾病的评估测试和报告，但这些评估健康的方式普遍较笼统，无法得出疾病的具体致因源头和可靠的预测结果，并且这些评估健康的方式没有关乎健康的具体评估模型，因此也无法对个人是否存在疾病风险进行可靠预测。

发明内容

本发明提供一种疾病预测方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高对疾病预测的可靠性。

为实现上述目的，本发明提供的一种疾病预测方法，包括：

获取用户的病理数据集；

获取模型数据集和预测非线性关系，所述模型数据集是通过极端梯度提升算法和样本数据集对预构建的疾病预测模型进行训练得到的，所述预测非线性关系是对所述模型数据集进行超参数调整得到的；

将所述病理数据集与所述模型数据集建立映射关系；

基于所述映射关系将所述病理数据集与所述模型数据集进行遍历匹配，得到过滤数据集；

利用填充算法对所述过滤数据集进行填充，得到标准数据集；

利用所述预测非线性关系对所述标准数据集进行训练泛化，得到预测数据集；

提取所述预测数据集包含的预测数据；

根据所述预测数据确定所述用户的疾病预测结果。

可选地，所述获取模型数据集和预测非线性关系之前，所述方法还包括：

获取所述样本数据集；

将所述样本数据集通过损失函数进行损失计算，得到样本函数集；

对所述样本函数集通过目标函数进行迭代计算，得到样本迭代集；

对所述样本迭代集进行正则化计算，得到模型数据集。

可选地，所述得到所述模型数据集之后，所述方法还包括：

通过网格搜索方法对所述模型数据集进行超参数调整，得到所述预测非线性关系。

可选地，所述将所述病理数据集与所述模型数据集建立映射关系，包括：

创建与所述用户的病理数据集对应的用户诊断数据表，所述用户诊断数据表包含心衰数据项、冠心病数据项和脑卒中数据项；

创建与所述模型数据集对应的模型数据表，所述模型数据表中包含所述心衰数据项、所述冠心病数据项和所述脑卒中数据项；

通过所述心衰数据项、所述冠心病数据项和所述脑卒中数据项，将所述病理数据集与所述模型数据集建立关联，得到映射关系。

可选地，所述利用填充算法对所述过滤数据集进行填充，得到标准数据集包括：