[发明专利]糖尿病的分型概率预测方法、装置、设备及存储介质

权利要求书

1.一种糖尿病的分型概率预测装置，其特征在于，所述装置包括：

数据获取模块，用于获取目标患者的待分析的身体状态特征数据、待分析的基本信息特征数据和待分析的检验检查特征数据；

第一预测模块，用于将所述待分析的身体状态特征数据输入第一分型诊断模型进行糖尿病的1型的概率预测，得到第一1型概率预测结果；

第二预测模块，用于将所述待分析的基本信息特征数据输入第二分型诊断模型进行糖尿病的1型的概率预测，得到第二1型概率预测结果；

第三预测模块，用于将所述待分析的检验检查特征数据输入第三分型诊断模型进行糖尿病的1型的概率预测，得到第三1型概率预测结果；

1型概率确定模块，用于根据所述第一1型概率预测结果、所述第二1型概率预测结果和所述第三1型概率预测结果进行糖尿病的1型概率确定，得到所述目标患者对应的目标1型概率预测结果。

2.根据权利要求1所述的糖尿病的分型概率预测装置，其特征在于，所述装置还包括：第一分型诊断模型训练模块，所述第一分型诊断模型训练模块包括：第一样本子获取模块，第一训练子模块；

所述第一样本子获取模块，用于获取多个第一训练样本，所述多个第一训练样本的所述第一训练样本包括：身体状态特征样本数据、第一1型标定数据，其中，所述身体状态特征样本数据包括：发病年龄样本数据和身体质量指数样本数据；

所述第一训练子模块，用于从所述多个第一训练样本获取一个所述第一训练样本作为目标第一训练样本，将所述目标第一训练样本的所述身体状态特征样本数据输入待训练的第一模型进行糖尿病的1型的概率预测，得到第一1型概率训练预测值，其中，所述待训练的第一模型是基于逻辑回归模型得到的模型，将所述第一1型概率训练预测值、所述目标第一训练样本的所述第一1型标定数据输入第一损失函数进行计算，得到所述待训练的第一模型的第一损失值，根据所述第一损失值更新所述待训练的第一模型的参数，更新后的所述待训练的第一模型被用于下一次计算所述第一1型概率训练预测值，重复执行所述从所述多个第一训练样本获取一个所述第一训练样本作为目标第一训练样本的步骤，直至所述第一损失值达到第一收敛条件或所述待训练的第一模型的迭代次数达到第二收敛条件，将所述第一损失值达到所述第一收敛条件或所述待训练的第一模型的所述待训练的第一模型的迭代次数达到所述第二收敛条件的所述待训练的第一模型，确定为所述第一分型诊断模型。

3.根据权利要求1所述的糖尿病的分型概率预测装置，其特征在于，所述装置还包括：第二分型诊断模型训练模块，所述第二分型诊断模型训练模块包括：第二样本子获取模块，第二训练子模块；

所述第二样本子获取模块，用于获取多个第二训练样本，所述多个第二训练样本的所述第二训练样本包括：基本信息特征样本数据、第二1型标定数据，其中，所述基本信息特征样本数据包括：发病年龄样本数据、性别样本数据、籍贯样本数据和职业样本数据；

所述第二训练子模块，用于从所述多个第二训练样本获取一个所述第二训练样本作为目标第二训练样本，将所述目标第二训练样本的所述基本信息特征样本数据输入待训练的第二模型进行糖尿病的1型的概率预测，得到第二1型概率训练预测值，其中，所述待训练的第二模型是基于多层感知机网络得到的模型，将所述第二1型概率训练预测值、所述目标第二训练样本的所述第二1型标定数据输入第二损失函数进行计算，得到所述待训练的第二模型的第二损失值，根据所述第二损失值更新所述待训练的第二模型的参数，更新后的所述待训练的第二模型被用于下一次计算所述第二1型概率训练预测值，重复执行所述从所述多个第二训练样本获取一个所述第二训练样本作为目标第二训练样本的步骤，直至所述第二损失值达到第三收敛条件或所述待训练的第二模型的迭代次数达到第四收敛条件，将所述第二损失值达到所述第三收敛条件或所述待训练的第二模型的迭代次数达到所述第四收敛条件的所述待训练的第二模型，确定为所述第二分型诊断模型。