基于深度学习的多时间点多器官衰竭风险预测方法及装置

本发明涉及深度学习技术领域，公开了基于深度学习的多时间点多器官衰竭风险预测方法及装置，方法包括以下步骤：收集ICU患者信息并进行预处理，获得初始特征数据集并选取对预测最重要的若干特征，作为模型输入特征；从初始特征数据集中筛选出模型输入特征对应的数据作为模型训练集；基于卷积层和长短期记忆网络构建MultiOrgRiskNet模型，并利用模型训练集训练得到若干个独立器官衰竭风险预测模型，包括预测不同器官在不同时间段之后发生衰减风险的模型；集成若干个独立器官衰竭风险预测模型作为多时间点多器官衰竭风险预测模型，根据临床数据实时预测多时间点多器官的衰竭风险。本发明能够精准评估不同时间点发生器官衰竭地风险。