摘要
本发明提供一种基于共病网络模型的肺癌多病共患预测方法及系统,涉及智能医疗领域,方法包括:获取肺癌患者的临床诊疗数据;对临床诊疗数据进行预处理;对预处理后的临床诊疗数据进行特征提取和特征融合,确定融合特征;根据融合特征,确定共病关联;将共病关联作为边,每种疾病作为节点,建立基于图神经网络的共病网络模型;采用图卷积神经网络对共病网络模型的各个节点进行特征学习,确定共病网络模型的深层次特征;利用风险评估算法,对深层次特征进行共病风险预测。本发明显著提升了肺癌共病预测的精确性和效率。
技术关键词
诊疗数据
肺癌
风险评估算法
网络
融合特征
计算机可读指令
邻居
注意力
疾病
患者
医院信息系统
文本
影像
电子病历
插值算法
节点特征
预测系统
系统为您推荐了相关专利信息
医学影像数据
肿瘤生长预测
多层卷积神经网络
注意力机制
加权特征
数据生成方法
多尺度特征
噪声
计算机设备
分类特征
无感支付方法
无人售货柜
客户
红外传感器阵列
购物篮
专家数据库
清理铸件
铸件冒口
多模态特征
专家系统
表面瑕疵检测方法
池化特征
瓷砖
表面瑕疵检测系统
输出特征