本發(fā)明涉及人工智能領(lǐng)域，具體提供一種老年健康預(yù)測(cè)方法及裝置。

背景技術(shù)：

1、隨著我國人口老齡化越來越嚴(yán)重，獨(dú)生子女贍養(yǎng)老人壓力逐漸增大，同時(shí)，老年人對(duì)健康的需求逐漸變得更加多樣化和個(gè)性化。

2、存在老年人健康信息獲取的問題和老年人慢病預(yù)測(cè)問題。如今社會(huì)中，存在獲取老年人需求困難的情況，獲取老年人需求較為滯后，缺少對(duì)老年人所處情景的考慮。

3、慢性病的作用因素有很多，包括年齡、遺傳、飲食、生活習(xí)慣、基礎(chǔ)病史等等，老年人由于缺乏對(duì)慢性疾病的基本認(rèn)知，不易察覺自己是否有慢性病的前兆。同時(shí)，由于老年人向醫(yī)生詢問，描述不清，因此，對(duì)老年人慢性病預(yù)測(cè)的問題，存在很大的挑戰(zhàn)。

4、以往對(duì)老年人健康信息的獲取，主要通過老年人自主搜尋健康知識(shí)，或者通過咨詢醫(yī)生獲取所需的慢性疾病知識(shí)。圍繞健康需求；另一種方式，是通過調(diào)查問卷及志愿者訪問的途徑搜集信息，最終由志愿者進(jìn)行信息匯總，來獲取老年人的健康信息，提出老年人的健康需求。但由于很多老人由于能力有限，無法進(jìn)行以上內(nèi)容的準(zhǔn)確填寫及準(zhǔn)確描述。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明是針對(duì)上述現(xiàn)有技術(shù)的不足，提供一種實(shí)用性強(qiáng)的老年健康預(yù)測(cè)方法。

2、本發(fā)明進(jìn)一步的技術(shù)任務(wù)是提供一種設(shè)計(jì)合理，安全適用的老年健康預(yù)測(cè)裝置。

3、本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

4、一種老年健康預(yù)測(cè)方法，具有如下步驟：

5、s1、多模態(tài)數(shù)據(jù)的處理，獲取多模態(tài)數(shù)據(jù)；

6、s2、進(jìn)行多模型訓(xùn)練算法；

7、s3、預(yù)測(cè)結(jié)果加權(quán)融合算法。

8、進(jìn)一步的，在步驟s1中，獲取多模態(tài)數(shù)據(jù)，分為三個(gè)模態(tài)數(shù)據(jù)的獲取，分別為：

9、(1)調(diào)查問卷信息的獲取；

10、(2)自身感知信息表達(dá)數(shù)據(jù)獲??；

11、(3)多參數(shù)檢測(cè)數(shù)據(jù)獲取。

12、進(jìn)一步的，在步驟(1)中，電子設(shè)備信息獲取，包括網(wǎng)頁端web電子問卷、軟件app端電子問卷、以及現(xiàn)實(shí)普及的微信小程序端電子問卷，獲取的數(shù)據(jù)為結(jié)構(gòu)化數(shù)據(jù)；

13、結(jié)構(gòu)化數(shù)據(jù)包含信息：

14、個(gè)人基本信息：受訪者的姓名、年齡、性別、聯(lián)系方式基本信息；

15、健康狀況信息：受訪者對(duì)自己健康狀況的自我評(píng)價(jià)、受訪者過去的疾病史、受訪者直系親屬的疾病史；

16、生活習(xí)慣和行為：飲食習(xí)慣、運(yùn)動(dòng)情況、睡眠情況。

17、進(jìn)一步的，在步驟(2)中，老年人及家屬口述描述的信息為非結(jié)構(gòu)化數(shù)據(jù)，需要從文本中發(fā)現(xiàn)和抽取相關(guān)知識(shí)，其中包括老年人健康樣本的命名實(shí)體識(shí)別、實(shí)體關(guān)系抽取、依存句法分析、語義依存分析、特征提取及關(guān)鍵詞提?。?/p>

18、非結(jié)構(gòu)化信息包含信息：

19、自己對(duì)健康狀況的描述：常見的癥狀；

20、家屬對(duì)老年人健康情況的描述：常見的表現(xiàn)、心理情況、醫(yī)療服務(wù)使用情況、醫(yī)療保險(xiǎn)情況。

21、進(jìn)一步的，在步驟(3)中，數(shù)據(jù)獲取后，進(jìn)行數(shù)據(jù)清洗及去噪預(yù)處理工作，提取出針對(duì)不同老年人的個(gè)性化特征數(shù)據(jù)，為后期的疾病進(jìn)行預(yù)測(cè)；

22、多參數(shù)檢測(cè)數(shù)據(jù)包含信息：

23、血糖水平：包括空腹血糖值和餐后血糖值；

24、血壓水平：包括收縮壓和舒張壓；

25、心電圖數(shù)據(jù)：反映心臟的電活動(dòng)情況。

26、進(jìn)一步的，在步驟s2中，進(jìn)一步包括：

27、s2-1、從經(jīng)過數(shù)據(jù)預(yù)處理后的結(jié)構(gòu)化數(shù)據(jù)中提取有用的特征，將數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集，再使用隨機(jī)森林模型對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行訓(xùn)練；

28、s2-2、、將非結(jié)構(gòu)化文本數(shù)據(jù)轉(zhuǎn)換為bert特征向量；

29、s2-3、生理參數(shù)數(shù)據(jù)通常是時(shí)間序列數(shù)據(jù)，需要通過特征工程提取出關(guān)鍵的統(tǒng)計(jì)特征和動(dòng)態(tài)特征。

30、進(jìn)一步的，在步驟s2-2中，通過bert模型的編碼層，將每個(gè)文本表示為固定長度的特征向量，將轉(zhuǎn)換后的特征向量劃分為訓(xùn)練集和測(cè)試集，對(duì)預(yù)訓(xùn)練的bert模型進(jìn)行微調(diào)。

31、進(jìn)一步的，在步驟s2-3中，提取出關(guān)鍵的統(tǒng)計(jì)特征和動(dòng)態(tài)特征之后劃分為訓(xùn)練集和數(shù)據(jù)集，再使用隨機(jī)森林算法對(duì)生理參數(shù)數(shù)據(jù)進(jìn)行訓(xùn)練。

32、進(jìn)一步的，在步驟s3中，根據(jù)每個(gè)模型的預(yù)測(cè)準(zhǔn)確率，計(jì)算每個(gè)模型的權(quán)重，每個(gè)模型的權(quán)重為預(yù)測(cè)準(zhǔn)確率在所有模型預(yù)測(cè)準(zhǔn)確率總和中的比例，通過加權(quán)融合不同模型的預(yù)測(cè)結(jié)果，使用融合后的模型進(jìn)行慢性疾病預(yù)測(cè)，通過整合結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和生理參數(shù)數(shù)據(jù)的預(yù)測(cè)結(jié)果，可以提供一個(gè)慢性疾病預(yù)測(cè)模型。

33、一種老年健康預(yù)測(cè)裝置，包括：至少一個(gè)存儲(chǔ)器和至少一個(gè)處理器；

34、所述至少一個(gè)存儲(chǔ)器，用于存儲(chǔ)機(jī)器可讀程序；

35、所述至少一個(gè)處理器，用于調(diào)用所述機(jī)器可讀程序，執(zhí)行一種老年健康預(yù)測(cè)方法。

36、本發(fā)明的一種老年健康預(yù)測(cè)方法及裝置和現(xiàn)有技術(shù)相比，具有以下突出的有益效果：

37、本發(fā)明實(shí)現(xiàn)了對(duì)老人慢性疾病的預(yù)測(cè)，解決了老人由于能力有限不能準(zhǔn)確的描述自己癥狀的問題。本技術(shù)通過多模型融合和加權(quán)策略，顯著提高了疾病預(yù)測(cè)的準(zhǔn)確性和魯棒性。

技術(shù)特征：

1.一種老年健康預(yù)測(cè)方法，其特征在于，具有如下步驟：

2.根據(jù)權(quán)利要求1所述的一種老年健康預(yù)測(cè)方法，其特征在于，在步驟s1中，獲取多模態(tài)數(shù)據(jù)，分為三個(gè)模態(tài)數(shù)據(jù)的獲取，分別為：

3.根據(jù)權(quán)利要求2所述的一種老年健康預(yù)測(cè)方法，其特征在于，在步驟(1)中，電子設(shè)備信息獲取，包括網(wǎng)頁端web電子問卷、軟件app端電子問卷、以及現(xiàn)實(shí)普及的微信小程序端電子問卷，獲取的數(shù)據(jù)為結(jié)構(gòu)化數(shù)據(jù)；

4.根據(jù)權(quán)利要求3所述的一種老年健康預(yù)測(cè)方法，其特征在于，在步驟(2)中，老年人及家屬口述描述的信息為非結(jié)構(gòu)化數(shù)據(jù)，需要從文本中發(fā)現(xiàn)和抽取相關(guān)知識(shí)，其中包括老年人健康樣本的命名實(shí)體識(shí)別、實(shí)體關(guān)系抽取、依存句法分析、語義依存分析、特征提取及關(guān)鍵詞提??；

5.根據(jù)權(quán)利要求4所述的一種老年健康預(yù)測(cè)方法，其特征在于，在步驟(3)中，數(shù)據(jù)獲取后，進(jìn)行數(shù)據(jù)清洗及去噪預(yù)處理工作，提取出針對(duì)不同老年人的個(gè)性化特征數(shù)據(jù)，為后期的疾病進(jìn)行預(yù)測(cè)；

6.根據(jù)權(quán)利要求5所述的一種老年健康預(yù)測(cè)方法，其特征在于，在步驟s2中，進(jìn)一步包括：

7.根據(jù)權(quán)利要求6所述的一種老年健康預(yù)測(cè)方法，其特征在于，在步驟s2-2中，通過bert模型的編碼層，將每個(gè)文本表示為固定長度的特征向量，將轉(zhuǎn)換后的特征向量劃分為訓(xùn)練集和測(cè)試集，對(duì)預(yù)訓(xùn)練的bert模型進(jìn)行微調(diào)。

8.根據(jù)權(quán)利要求7所述的一種老年健康預(yù)測(cè)方法，其特征在于，在步驟s2-3中，提取出關(guān)鍵的統(tǒng)計(jì)特征和動(dòng)態(tài)特征之后劃分為訓(xùn)練集和數(shù)據(jù)集，再使用隨機(jī)森林算法對(duì)生理參數(shù)數(shù)據(jù)進(jìn)行訓(xùn)練。

9.根據(jù)權(quán)利要求8所述的一種老年健康預(yù)測(cè)方法，其特征在于，在步驟s3中，根據(jù)每個(gè)模型的預(yù)測(cè)準(zhǔn)確率，計(jì)算每個(gè)模型的權(quán)重，每個(gè)模型的權(quán)重為預(yù)測(cè)準(zhǔn)確率在所有模型預(yù)測(cè)準(zhǔn)確率總和中的比例，通過加權(quán)融合不同模型的預(yù)測(cè)結(jié)果，使用融合后的模型進(jìn)行慢性疾病預(yù)測(cè)，通過整合結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和生理參數(shù)數(shù)據(jù)的預(yù)測(cè)結(jié)果，可以提供一個(gè)慢性疾病預(yù)測(cè)模型。

10.一種老年健康預(yù)測(cè)裝置，其特征在于，包括：至少一個(gè)存儲(chǔ)器和至少一個(gè)處理器；

技術(shù)總結(jié)
本發(fā)明涉及人工智能領(lǐng)域，具體提供了一種老年健康預(yù)測(cè)方法及裝置，具有如下步驟：S1、多模態(tài)數(shù)據(jù)的處理，獲取多模態(tài)數(shù)據(jù)；S2、進(jìn)行多模型訓(xùn)練算法；S3、預(yù)測(cè)結(jié)果加權(quán)融合算法。與現(xiàn)有技術(shù)相比，本發(fā)明能夠?qū)崿F(xiàn)對(duì)老人慢性疾病的預(yù)測(cè)，解決了老人由于能力有限不能準(zhǔn)確的描述自己癥狀的問題。通過多模型融合和加權(quán)策略，顯著提高了疾病預(yù)測(cè)的準(zhǔn)確性和魯棒性。

技術(shù)研發(fā)人員：王飛,奚道榮,孫永浩,段光輝,張悅,王文達(dá),王克仁
受保護(hù)的技術(shù)使用者：浪潮軟件科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/26