本發(fā)明涉及疾病預(yù)測，特別是涉及基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、疾病預(yù)測是醫(yī)學(xué)研究中的一個(gè)重要領(lǐng)域，旨在利用各種類型的數(shù)據(jù)和技術(shù)來預(yù)測患者是否可能患上某種疾病或健康問題，從而提前采取預(yù)防和治療措施。隨著全球人口老齡化的加劇，慢性疾病和相關(guān)健康問題逐漸增多，因此，疾病預(yù)測的重要性日益凸顯，以便更好地識(shí)別和管理潛在的健康風(fēng)險(xiǎn)。

2、現(xiàn)代醫(yī)學(xué)技術(shù)的快速進(jìn)步，包括生物醫(yī)學(xué)影像、分子生物學(xué)、基因組學(xué)、生物信息學(xué)、大數(shù)據(jù)分析和深度學(xué)習(xí)等，使得本發(fā)明能夠更容易地獲取和分析海量數(shù)據(jù)，為疾病預(yù)測提供了更多的機(jī)會(huì)。

3、然而，現(xiàn)有的大多數(shù)方法在疾病預(yù)測中依賴于多模態(tài)信息融合和圖神經(jīng)網(wǎng)絡(luò)。這些方法雖然有效，但也存在顯著的局限性。首先，大多數(shù)方法無法動(dòng)態(tài)選擇最適合不同數(shù)據(jù)類型的多模態(tài)信息融合模型，這限制了它們的應(yīng)用范圍。其次，這些模型在訓(xùn)練過程中通常消耗大量資源，但現(xiàn)有方法往往忽略了對資源消耗的優(yōu)化。因此，如何在保證準(zhǔn)確性的同時(shí)，提高模型的資源利用效率，仍然是一個(gè)亟待解決的挑戰(zhàn)。

4、除此之外，疾病預(yù)測模型本身也面臨一些固有問題。例如，僅依賴高級(jí)多模態(tài)特征來挖掘患者之間的聯(lián)系，可能導(dǎo)致不準(zhǔn)確的結(jié)果。此外，不同疾病的診斷依據(jù)各不相同，這意味著不同疾病的診斷可能需要不同的模態(tài)數(shù)據(jù)組合。這些問題表明，在多模態(tài)信息的應(yīng)用中，既要考慮到模型的精確性，也要針對具體疾病進(jìn)行定制化的模態(tài)選擇，以確保診斷的準(zhǔn)確性和可靠性。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)的不足，本發(fā)明提供了基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法及系統(tǒng)；本發(fā)明基于門控網(wǎng)絡(luò)做出的決策決定所使用的專家網(wǎng)絡(luò)編號(hào)，實(shí)現(xiàn)疾病預(yù)測的準(zhǔn)確性和可靠性。

2、一方面，提供了基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法，包括：

3、獲取目標(biāo)對象的多模態(tài)數(shù)據(jù)；

4、將目標(biāo)對象的多模態(tài)數(shù)據(jù)，輸入到訓(xùn)練后的多模態(tài)疾病預(yù)測模型中，得到疾病預(yù)測結(jié)果；

5、其中，多模態(tài)疾病預(yù)測模型，包括：門控網(wǎng)絡(luò)，門控網(wǎng)絡(luò)的輸入端用于輸入目標(biāo)對象的多模態(tài)數(shù)據(jù)，門控網(wǎng)絡(luò)的輸出端分別與預(yù)訓(xùn)練后的第一專家網(wǎng)絡(luò)的輸入端、預(yù)訓(xùn)練后的第二專家網(wǎng)絡(luò)的輸入端和預(yù)訓(xùn)練后的第三專家網(wǎng)絡(luò)的輸入端連接；預(yù)訓(xùn)練后的第一專家網(wǎng)絡(luò)的輸出端、預(yù)訓(xùn)練后的第二專家網(wǎng)絡(luò)的輸出端和預(yù)訓(xùn)練后的第三專家網(wǎng)絡(luò)的輸出端用于輸出疾病預(yù)測結(jié)果；所述門控網(wǎng)絡(luò)，用于根據(jù)多模態(tài)數(shù)據(jù)的類型，對三個(gè)專家網(wǎng)絡(luò)進(jìn)行選擇。

6、另一方面，提供了基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測系統(tǒng)，包括：

7、獲取模塊，其被配置為：獲取目標(biāo)對象的多模態(tài)數(shù)據(jù)；

8、預(yù)測模塊，其被配置為：將目標(biāo)對象的多模態(tài)數(shù)據(jù)，輸入到訓(xùn)練后的多模態(tài)疾病預(yù)測模型中，得到疾病預(yù)測結(jié)果；

9、其中，多模態(tài)疾病預(yù)測模型，包括：門控網(wǎng)絡(luò)，門控網(wǎng)絡(luò)的輸入端用于輸入目標(biāo)對象的多模態(tài)數(shù)據(jù)，門控網(wǎng)絡(luò)的輸出端分別與預(yù)訓(xùn)練后的第一專家網(wǎng)絡(luò)的輸入端、預(yù)訓(xùn)練后的第二專家網(wǎng)絡(luò)的輸入端和預(yù)訓(xùn)練后的第三專家網(wǎng)絡(luò)的輸入端連接；預(yù)訓(xùn)練后的第一專家網(wǎng)絡(luò)的輸出端、預(yù)訓(xùn)練后的第二專家網(wǎng)絡(luò)的輸出端和預(yù)訓(xùn)練后的第三專家網(wǎng)絡(luò)的輸出端用于輸出疾病預(yù)測結(jié)果；所述門控網(wǎng)絡(luò)，用于根據(jù)多模態(tài)數(shù)據(jù)的類型，對三個(gè)專家網(wǎng)絡(luò)進(jìn)行選擇。

10、再一方面，還提供了一種電子設(shè)備，包括：

11、存儲(chǔ)器，用于非暫時(shí)性存儲(chǔ)計(jì)算機(jī)可讀指令；以及

12、處理器，用于運(yùn)行所述計(jì)算機(jī)可讀指令，

13、其中，所述計(jì)算機(jī)可讀指令被所述處理器運(yùn)行時(shí)，執(zhí)行上述第一方面所述的方法。

14、再一方面，還提供了一種存儲(chǔ)介質(zhì)，非暫時(shí)性存儲(chǔ)計(jì)算機(jī)可讀指令，其中，當(dāng)非暫時(shí)性計(jì)算機(jī)可讀指令由計(jì)算機(jī)執(zhí)行時(shí)，執(zhí)行第一方面所述方法的指令。

15、再一方面，還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序當(dāng)在一個(gè)或多個(gè)處理器上運(yùn)行的時(shí)候用于實(shí)現(xiàn)上述第一方面所述的方法。

16、上述技術(shù)方案具有如下優(yōu)點(diǎn)或有益效果：

17、本發(fā)明提供了一種基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法，分別設(shè)計(jì)了三個(gè)專家網(wǎng)絡(luò)，它們分別解決了不同的問題，第一專家網(wǎng)絡(luò)雖然結(jié)構(gòu)較為簡單，但是能夠在數(shù)據(jù)質(zhì)量較高的情況下表現(xiàn)良好；第二專家網(wǎng)絡(luò)引入了原始數(shù)據(jù)構(gòu)圖，相比僅使用高級(jí)多模態(tài)特征構(gòu)建圖結(jié)構(gòu)，能夠更準(zhǔn)確的挖掘的患者之間的關(guān)系；第三專家網(wǎng)絡(luò)能夠解決每種類型的多模態(tài)特征與目標(biāo)疾病有不同的聯(lián)系的問題；引入的門控網(wǎng)絡(luò)，可以很好的在兼顧預(yù)測準(zhǔn)確性的同時(shí)，考慮到計(jì)算性能的問題。

技術(shù)特征：

1.基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法，其特征是，包括：

2.如權(quán)利要求1所述的基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法，其特征是，將目標(biāo)對象的多模態(tài)數(shù)據(jù)，輸入到訓(xùn)練后的多模態(tài)疾病預(yù)測模型中，得到疾病預(yù)測結(jié)果，其中，訓(xùn)練后的多模態(tài)疾病預(yù)測模型，訓(xùn)練過程包括：

3.如權(quán)利要求2所述的基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法，其特征是，用g表示門控網(wǎng)絡(luò)g(x)生成的所需的獨(dú)熱編碼|b|維單熱向量；獨(dú)熱編碼|b|維單熱向量，在向量g中只有一個(gè)元素是1，其余都是0，表示選擇了某個(gè)專家網(wǎng)絡(luò)；獨(dú)熱編碼|b|維單熱向量是一個(gè)3*1的向量：

4.如權(quán)利要求1所述的基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法，其特征是，所述預(yù)訓(xùn)練后的第一專家網(wǎng)絡(luò)，其工作過程包括：第一多層感知機(jī)和第二多層感知機(jī)用于對多模態(tài)的數(shù)據(jù)進(jìn)行融合，形成新的特征表示，第三多層感知機(jī)用于對新的特征表示進(jìn)行疾病類型預(yù)測，所述第三多層感知機(jī)，只有一個(gè)隱藏層；

5.如權(quán)利要求1所述的基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法，其特征是，所述預(yù)訓(xùn)練后的第三專家網(wǎng)絡(luò)，其工作過程包括：

6.如權(quán)利要求5所述的基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法，其特征是，使用|r|個(gè)類型的特征，構(gòu)建一個(gè)多路網(wǎng)絡(luò)g＝{g(1),...,g(r),...,g(|r|)}，包括：

7.如權(quán)利要求5所述的基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法，其特征是，采用學(xué)習(xí)單個(gè)節(jié)點(diǎn)在多個(gè)關(guān)系類型上的共識(shí)嵌入的思想，整合來自節(jié)點(diǎn)之間的多種類型的關(guān)系的嵌入，具體包括：

8.基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測系統(tǒng)，其特征是，包括：

9.一種電子設(shè)備，其特征是，包括：

10.一種存儲(chǔ)介質(zhì)，其特征是，非暫時(shí)性存儲(chǔ)計(jì)算機(jī)可讀指令，其中，當(dāng)非暫時(shí)性計(jì)算機(jī)可讀指令由計(jì)算機(jī)執(zhí)行時(shí)，執(zhí)行權(quán)利要求1-7任一項(xiàng)所述方法的指令。

技術(shù)總結(jié)
本發(fā)明公開了基于門控網(wǎng)絡(luò)的多模態(tài)疾病預(yù)測方法及系統(tǒng)，其中方法，包括：獲取目標(biāo)對象的多模態(tài)數(shù)據(jù)；將目標(biāo)對象的多模態(tài)數(shù)據(jù)，輸入到訓(xùn)練后的多模態(tài)疾病預(yù)測模型中，得到疾病預(yù)測結(jié)果；其中，多模態(tài)疾病預(yù)測模型，包括：門控網(wǎng)絡(luò)，門控網(wǎng)絡(luò)的輸入端用于輸入目標(biāo)對象的多模態(tài)數(shù)據(jù)，門控網(wǎng)絡(luò)的輸出端分別與預(yù)訓(xùn)練后的第一專家網(wǎng)絡(luò)的輸入端、預(yù)訓(xùn)練后的第二專家網(wǎng)絡(luò)的輸入端和預(yù)訓(xùn)練后的第三專家網(wǎng)絡(luò)的輸入端連接；預(yù)訓(xùn)練后的第一專家網(wǎng)絡(luò)的輸出端、預(yù)訓(xùn)練后的第二專家網(wǎng)絡(luò)的輸出端和預(yù)訓(xùn)練后的第三專家網(wǎng)絡(luò)的輸出端用于輸出疾病預(yù)測結(jié)果；所述門控網(wǎng)絡(luò)，用于根據(jù)多模態(tài)數(shù)據(jù)的類型，對三個(gè)專家網(wǎng)絡(luò)進(jìn)行選擇。

技術(shù)研發(fā)人員：郭偉,王若梅,崔立真,王平輝,張晨,鹿旭東,閆中敏
受保護(hù)的技術(shù)使用者：山東大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26