事件发生概率的确定方法、装置、电子设备及存储介质与流程

摘要: 本申请涉及人工智能技术及数据处理,尤其涉及一种事件发生概率的确定方法、装置、电子设备及存储介质。背景技术:1、随着人工智能技术的发展,对患者手术后发生不良事件的...
事件发生概率的确定方法、装置、电子设备及存储介质与流程

本申请涉及人工智能技术及数据处理,尤其涉及一种事件发生概率的确定方法、装置、电子设备及存储介质。

背景技术:

1、随着人工智能技术的发展,对患者手术后发生不良事件的评估成为临床决策支持领域的重要研究方向。手术后不良事件是指患者在手术操作结束后的恢复过程中出现的非预期状况,准确评估上述事件的发生概率对于优化围术期管理策略具有重要的技术价值。

2、现有评估方法中,一类方法仅基于患者的静态特征数据(如年龄、性别、体重、既往病史等)对各不良事件发生的概率进行评估;另一类方法是在患者的手术操作结束后,基于术中记录数据和术后恢复数据对各不良事件发生的概率进行评估;然而,这两种方式仅是简单依据患者的静态特征数据,或者术中记录数据和术后恢复数据对各不良事件发生的概率进行,使得评估出各不良事件发生概率的准确性较低。

3、因此,如何准确评估各不良事件的发生概率,是本领域亟待解决的技术问题。

技术实现思路

1、本申请实施例提供了一种事件发生概率的确定方法、装置、电子设备及存储介质,以解决现有技术对不良事件发生概率的评估准确性较低的技术问题。

2、第一方面,本申请实施例提供了一种事件发生概率的确定方法,包括:

3、获取目标对象的基线静态特征数据,以及获取所述目标对象的多路时序数据,所述多路时序数据包括通气参数序列、药物累积剂量序列和生命体征参数序列;

4、对所述通气参数序列、所述药物累积剂量序列和所述生命体征参数序列进行时间轴对齐,并以预设时间窗口为粒度提取各序列的统计特征,得到过程时序特征序列;

5、将所述基线静态特征数据和所述过程时序特征序列输入预设的序列编码网络,获取所述序列编码网络输出的融合特征;

6、将所述融合特征分别输入预设的多个任务分支,获取各所述任务分支输出的对应类别的预定义事件的发生概率值;其中,每一个所述任务分支对应一类所述预定义事件。

7、第二方面,本申请实施例提供了一种事件发生概率的确定装置,包括:

8、获取模块,用于获取目标对象的基线静态特征数据,以及获取所述目标对象的多路时序数据,所述多路时序数据包括通气参数序列、药物累积剂量序列和生命体征参数序列;

9、对齐模块,用于对所述通气参数序列、所述药物累积剂量序列和所述生命体征参数序列进行时间轴对齐,并以预设时间窗口为粒度提取各序列的统计特征,得到过程时序特征序列;

10、第一处理模块,用于将所述基线静态特征数据和所述过程时序特征序列输入预设的序列编码网络,获取所述序列编码网络输出的融合特征;

11、第二处理模块,用于将所述融合特征分别输入预设的多个任务分支,获取各所述任务分支输出的对应类别的预定义事件的发生概率值;其中,每一个所述任务分支对应一类所述预定义事件。

12、第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述事件发生概率的确定方法的步骤。

13、第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述事件发生概率的确定方法的步骤。

14、基于此,本申请实施例提供的一个技术方案包括:获取目标对象的基线静态特征数据,以及获取所述目标对象的多路时序数据,所述多路时序数据包括通气参数序列、药物累积剂量序列和生命体征参数序列;对所述通气参数序列、所述药物累积剂量序列和所述生命体征参数序列进行时间轴对齐,并以预设时间窗口为粒度提取各序列的统计特征,得到过程时序特征序列;将所述基线静态特征数据和所述过程时序特征序列输入预设的序列编码网络,获取所述序列编码网络输出的融合特征;将所述融合特征分别输入预设的多个任务分支,获取各所述任务分支输出的对应类别的预定义事件的发生概率值;其中,每一个所述任务分支对应一类所述预定义事件。本方案,通过获取目标对象的基线静态特征数据以及多路时序数据(包括通气参数序列、药物累积剂量序列和生命体征参数序列),并对上述多路时序数据进行时间轴对齐和统计特征提取后,与基线静态特征数据一并输入序列编码网络进行融合编码,再经多个任务分支输出多类预定义事件的发生概率值,能够充分利用目标对象在动态支持过程中产生的多维动态时序数据,实现多类预定义事件发生概率的并行评估,有效提高了事件发生概率的评估准确性。

1.一种事件发生概率的确定方法,其特征在于,包括:

2.根据权利要求1所述的事件发生概率的确定方法,其特征在于,所述对所述通气参数序列、所述药物累积剂量序列和所述生命体征参数序列进行时间轴对齐,并以预设时间窗口为粒度提取各序列的统计特征,得到过程时序特征序列,包括:

3.根据权利要求1所述的事件发生概率的确定方法,其特征在于,所述将所述基线静态特征数据和所述过程时序特征序列输入预设的序列编码网络,获取所述序列编码网络输出的融合特征,包括:

4.根据权利要求1所述的事件发生概率的确定方法,其特征在于,所述将所述融合特征分别输入预设的多个任务分支,获取各所述任务分支输出的对应类别的预定义事件的发生概率值,包括:

5.根据权利要求1所述的事件发生概率的确定方法,其特征在于,所述将所述融合特征分别输入预设的多个任务分支,获取各所述任务分支输出的对应类别的预定义事件的发生概率值之后,还包括:

6.根据权利要求1至5任一项所述的事件发生概率的确定方法,其特征在于,所述将所述融合特征分别输入预设的多个任务分支,获取各所述任务分支输出的对应类别的预定义事件的发生概率值之后,还包括:

7.根据权利要求6所述的事件发生概率的确定方法,其特征在于,所述根据各组所述候选调整方案对应的所述推演概率值,确定推荐调整方案,包括:

8.一种事件发生概率的确定装置,其特征在于,包括:

9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的事件发生概率的确定方法的步骤。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的事件发生概率的确定方法的步骤。