[发明专利]风险人群的预测方法、装置、终端设备及存储介质

权利要求书

1.一种风险人群的预测方法，其特征在于，所述预测方法包括：

获取待测数据，所述待测数据为待测用户的基因表达谱数据；

将所述待测数据输入已训练的多任务预测模型进行预测，得到预测结果，所述预测结果用于指示所述待测用户属于风险人群的概率；

其中，所述已训练的多任务预测模型通过以下步骤训练而得：

获取至少两种癌症的训练样本，所述训练样本为各个癌症的基因表达谱数据；

将每种癌症的训练样本输入待训练的多任务预测模型的输入层进行预处理；

利用所述待训练的多任务预测模型的共享层对预处理后的每种癌症的训练样本进行卷积操作和自注意力操作，得到每种癌症的训练样本向量；

将每种癌症的训练样本向量输入所述待训练的多任务预测模型的特定任务层进行预测，得到每种癌症的训练预测结果；

根据每种癌症的训练预测结果对所述待训练的多任务预测模型进行优化，得到所述已训练的多任务预测模型。

2.根据权利要求1所述的预测方法，其特征在于，所述利用所述共享层对预处理后的每种癌症的训练样本进行卷积操作和自注意力操作，得到每种癌症的训练样本向量，包括：

分别对每个训练样本执行第一卷积操作，得到每个训练样本的第一向量；

对每个训练样本的第一向量分别执行第二卷积操作、第三卷积操作以及第四卷积操作，得到每个训练样本的第二向量、第三向量以及第四向量；

针对每个训练样本：

将所述训练样本的第二向量分别与各个训练样本的第三向量做点积运算，得到至少两个点积值；

分别对每个点积值执行softmax操作，得到每个点积值的分布概率；

将每个所述分布概率作为权重对各个训练样本的第四向量进行加权平均运算，得到所述训练样本的训练样本向量。

3.根据权利要求1所述的预测方法，其特征在于，所述根据各个所述训练预测结果对所述待训练的多任务预测模型进行优化，得到所述已训练的多任务预测模型，包括：

根据每种癌症的训练预测结果计算预测损失值的平均值；

判断所述平均值是否小于设定阈值：

若所述平均值小于所述设定阈值，则停止训练，得到所述已训练的多任务预测模型；

若所述平均值大于或等于所述设定阈值，则返回执行所述将每种癌症的训练样本输入所述输入层进行预处理的步骤及其后续步骤，直至所述平均值小于所述设定阈值，停止训练，得到所述已训练的多任务预测模型。

4.根据权利要求1-3任意一项所述的预测方法，其特征在于，所述获取至少两种癌症的训练样本，包括：

针对每种癌症：

获取所述癌症的多模态数据，所述多模态数据包括影像数据、电子病历和基因组数据；

对所述多模态数据中的每种数据分别进行特征表示，得到多个特征向量；

对所述多个特征向量进行叠加操作或者串联操作，得到所述癌症的训练样本。

5.根据权利要求1所述的预测方法，其特征在于，在所述将所述待测数据输入已训练的多任务预测模型进行预测，得到预测结果之后，所述预测方法还包括：

将所述待测数据、所述预测结果和/或所述已训练的多任务预测模型上传至区块链中。