[发明专利]基于CNN的先天性耳聋疾病预测方法、系统以及终端

权利要求书

1.一种基于CNN的先天性耳聋疾病预测方法，其特征在于，所述方法包括：

获取包含多个带有标签值的原始样本的原始位点筛查数据，其中，所述标签值与记录在原始样本中的各个耳聋疾病基因中各位点数据相关；

对所述原始位点筛查数据进行预处理，获得离散化的特征样本数据；

将所述离散化的特征样本数据输入至CNN模型中进行训练，以构建耳聋疾病预测模型；

当接收到经过预处理的待检测病历数据时，基于所述耳聋疾病预测模型，输出对应于所述待检测病历数据的预测结果。

2.根据权利要求1所述的基于CNN的先天性耳聋疾病预测方法，其特征在于，对所述原始位点筛查数据进行预处理，获得离散化的特征样本数据的方式包括：

将所述原始位点筛查数据拆分为所述各耳聋疾病基因片段上的各位点映射的特征样本数据；

对各特征样本数据中测序失误的数据进行数据填充；

对数据填充后的样本数据补充额外的离散化特征信息；

对补充额外的离散化特征信息的数据中的连续化数据特征进行离散化，以获得离散化的特征样本数据。

3.根据权利要求1或2所述的基于CNN的先天性耳聋疾病预测方法，其特征在于，所述待检测病历数据的预处理的方式包括：

将待检测病历数据拆分为所述各耳聋疾病基因片段上的各位点映射的特征数据；

对各特征数据中测序失误的数据进行数据填充；

对数据填充后的数据补充额外的离散化特征信息；

对补充额外的离散化特征信息的数据中的连续化数据特征进行离散化，以获得离散化的特征数据。

4.根据权利要求1所述的基于CNN的先天性耳聋疾病预测方法，其特征在于，所述耳聋疾病基因包括：GJB2,MT以及SLC26A4基因中的一种或多种。

5.根据权利要求1所述的基于CNN的先天性耳聋疾病预测方法，其特征在于，将所述离散化的特征样本数据输入至CNN模型中进行训练，以构建耳聋疾病预测模型的方式包括：

对所述离散化的特征样本数据进行数据清洗和/或数据重采样；

将经过数据清洗和/或数据重采样的所述离散化的特征样本数据输入至CNN模型中进行训练，以构建耳聋疾病预测模型。

6.根据权利要求5所述的基于CNN的先天性耳聋疾病预测方法，其特征在于，所述数据清洗的方式包括：

剔除各个耳聋疾病基因中各位点值为零的原始样本；

和/或，将所述原始位点筛查数据中的冲突样本剔除，其中，所述冲突样本包括：各耳聋疾病基因中各位点值相同且标签值不同的多个样本。

7.根据权利要求5或6所述的基于CNN的先天性耳聋疾病预测方法，其特征在于，所述数据重采样的方式包括：

基于SMOTE合成算法，对所述离散化的特征样本数据中少数类进行插值以及过采样，获得合理的类别分布的重采样样本。

8.根据权利要求1所述的基于CNN的先天性耳聋疾病预测方法，其特征在于，所述CNN模型包括：依次连接的嵌入层、多维卷积层、池化层、输入层、全连接层以及输出层。

9.一种基于CNN的先天性耳聋疾病预测系统，其特征在于，所述系统包括：

获取模块，用于获取包含多个带有标签值的原始样本的原始位点筛查数据，其中，所述标签值与记录在原始样本中的各个耳聋疾病基因中各位点数据相关；

预处理模块，连接所述获取模块，用于对原始位点筛查数据进行预处理，获得离散化的特征样本数据；

模型构建模块，连接所述预处理模块，用于将所述离散化的特征样本数据输入至CNN模型中进行训练，以构建耳聋疾病预测模型；

预测模块，连接所述模型构建模块，用于当接收到经过预处理的待检测病历数据时，基于所述耳聋疾病预测模型，输出对应于所述待检测病历数据的预测结果。

10.一种基于CNN的先天性耳聋疾病预测终端，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于运行所述计算机程序，以执行如权利要求1至8中任一项所述的基于CNN的先天性耳聋疾病预测方法。