基于深度学习的慢性病趋势预测系统

本发明公开了基于深度学习的慢性病趋势预测系统，具体涉及数据特征管理领域，用于解决慢性病趋势预测中特征泄露与模型预测偏差的问题，是通过对多源即时数据进行动态时间窗口划分与分组排序，生成结构化数据块，并通过深度时序分解提取趋势与波动成分，结合上下文差异矩阵增强特征表示；利用上下文增强特征计算时序一致性指数和跨层依赖强度指数，全面评估特征在不同存储层之间的时间一致性和关联强度，生成综合特征安全评分；基于评分，剔除高风险特征，优先保留高上下文价值和高安全性的特征，最终生成的模型训练特征集合防范了特征泄露和自循环效应导致的预测偏差，为构建高精度、高可靠性的慢性病趋势预测模型提供了坚实的数据基础。