疾病分级预测方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114121291A(43)申请公布日2022.03.01(21)申请号202111250817.0A61B5/055(2006.01)(22)申请日2021.10.26A61B5/00(2006.01)G06V10/774(2022.01)(71)申请人泰康保险集团股份有限公司地址100031北京市西城区复兴门内大街156号泰康人寿大厦(72)发明人梁爽赵成刘岩(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人莎日娜(51)Int.Cl.G16H50/70(2018.01)G16H10/60(2018.01)G16B20/50(2019.01)G06T7/00(2017.01)G06K9/62(2022.01)权利要求书2页说明书17页附图2页(54)发明名称疾病分级预测方法、装置、电子设备及存储介质(57)摘要本发明实施例提供了一种疾病分级预测方法、装置、电子设备及存储介质，该方法包括：获取目标用户的目标影像特征、目标基因特征以及目标临床特征；目标用户包括预设训练集中的第一用户和预设测试集中的第二用户；根据目标影像特征、目标基因特征以及目标临床特征，确定目标用户的目标特征；基于目标特征向量以及第一用户对应的预设标签，对预设分级预测模型进行训练，得到目标分级预测模型；将第二用户的目标特征输入至目标分级预测模型中，得到第二用户对应的目标分级。通过训练得到目标分级预测模型，并基于目标分级预测模型进行自动分级预测，减少了人为因素的干扰，提高了疾病分级预测的准确率。CN114121291ACN114121291A权利要求书1/2页1.一种疾病分级预测方法，其特征在于，包括：获取目标用户的目标影像特征、目标基因特征以及目标临床特征；所述目标用户包括预设训练集中的第一用户和预设测试集中的第二用户；根据所述目标影像特征、所述目标基因特征以及所述目标临床特征，确定所述目标用户的目标特征；基于所述目标特征以及所述第一用户对应的预设标签，对预设分级预测模型进行训练，得到目标分级预测模型；将所述第二用户的目标特征输入至所述目标分级预测模型中，得到所述第二用户对应的目标分级。2.根据权利要求1所述的方法，其特征在于，所述获取目标用户的目标影像特征，包括：获取所述目标用户的目标影像；根据预设图像分割算法分割所述目标影像，并确定所述目标影像中的目标区域；根据预设图像处理算法，提取所述目标区域的影像特征，得到所述目标用户的目标影像特征。3.根据权利要求1所述的方法，其特征在于，所述获取目标用户的目标基因特征，包括：获取所述目标用户的目标基因组学数据；基于目标疾病的种类，从所述目标基因组学数据中选取候选基因；所述候选基因与所述目标疾病相关和/或所述候选基因在所述目标用户中的突变率高于第一预设阈值；提取所述候选基因的基因特征，得到所述目标用户的所述目标基因特征。4.根据权利要求1所述的方法，其特征在于，所述获取目标用户的目标临床特征，包括：获取所述目标用户的预设临床数据；根据目标疾病的种类，从所述预设临床数据中筛选与所述目标疾病相关的预设临床数据，得到目标临床信息；提取所述目标临床信息的临床特征，得到所述目标用户的目标临床特征。5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述目标影像特征、所述目标基因特征以及所述目标临床特征，确定所述目标用户的目标特征，包括：将所述目标影像特征、所述目标基因特征以及所述目标临床特征进行合并，得到目标全量特征；根据预设特征选择算法，从所述目标全量特征中选取所述目标用户的目标特征；所述目标特征为所述目标全量特征中重要程度排序在前N位的特征；所述N为目标特征的目标数量；所述N为大于0的整数。6.根据权利要求5所述的方法，其特征在于，所述将所述目标影像特征、所述目标基因特征以及所述目标临床特征进行合并，包括：将所述目标影像特征、所述目标基因特征以及所述目标临床特征分别进行向量化，得到目标影像特征向量、目标基因特征向量以及目标临床特征向量；将所述目标影像特征向量、目标基因特征向量以及目标临床特征向量进行合并，得到所述目标全量特征对应的第一目标全量特征向量。7.根据权利要求6所述的方法，其特征在于，所述根据预设特征选择算法，从所述目标全量特征中选取所述目标用户的目标特征，包括：2CN114121291A权利要求书2/2页将所述第一目标全量特征向量进行归一化处理，得到所述第一目标全量特征对应的第二目标全量特征向量；依据所述预设特征选择算法，确定所述第二目标全量特征向量中各个特征的重要程度；依据所述重要程度以及所述预设特征选择算法，确定所述目标特征对应的目标数量N；在所述第二目标全量特征向量中，筛选所述重要程度排序在前N位的特征作为