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
组织分割方法
模态医学影像
三维医学影像
手术导航系统
深度学习网络模型
车载设备
核心控制单元
列尾装置
无线通信模块
通信单元
玻璃珠
近红外光谱仪
信号特征
深度学习网络
反演模型
多无人机协同
方格
搜索方法
混合网络
无人机模型