技术特征：
1.基于量子神经网络的病情发展预测系统，其特征在于：其包括预处理单元和量子神经网络；预处理单元用于将反映病情变化的连续性数据进行离散得到离散化数据，并提取离散化数据的特征数据；量子神经网络基于特征数据进行分类得到病情走势预测结果。2.根据权利要求1所述的基于量子神经网络的病情发展预测系统，其特征在于：所述提取离散化数据的特征数据具体包括：将反映病情变化的连续性数据输入高斯混合模型，获取高斯分布，得到每个高斯分布的均值及方差信息；基于高斯分布定义病情走势的第一特征数据；将第一特征数据转换为特征向量作为量子神经网络的输入。3.根据权利要求2所述的基于量子神经网络的病情发展预测系统，其特征在于：所述预处理单元还包括病情影响参数获取模块，用于获取影响病情变化的数据信息，并将所述数据信息作为病情走势的第二特征数据，第一特征数据、第二特征数据进行合并并转换为特征向量作为量子神经网络的输入。4.根据权利要求3所述的基于量子神经网络的病情发展预测系统，其特征在于：所述影响病情变化的数据信息包括年龄、性别和体质信息。5.根据权利要求1所述的基于量子神经网络的病情发展预测系统，其特征在于：所述系统还包括数据拟合单元，基于采集的反映病情变化的离散数据进行数据拟合，得到反映病情变化的连续性数据。6.根据权利要求1所述的基于量子神经网络的病情发展预测系统，其特征在于：所述系统还包括数据采集单元，用于采集反映病情变化的离散数据。7.根据权利要求1所述的基于量子神经网络的病情发展预测系统，其特征在于：所述系统还包括编码单元，用于将离散化数据编码为量子态数据。8.根据权利要求1所述的基于量子神经网络的病情发展预测系统，其特征在于：所述量子神经网络包括若干参数化量子门。9.根据权利要求2所述的基于量子神经网络的病情发展预测系统，其特征在于：所述系统还包括预分类单元，用于比较相邻时刻的第一特征数据变化，将病情发展趋势进行分类，以获取训练集、测试集和验证集，进而对量子神经网络模型进行训练；令α1为第二时刻与第一时刻的第一特征数据差值，令α2为第三时刻与第二时刻的第一特征数据差值，病情预分类结果为：当α1≥0，α2≥0，得到病情走势趋于严重的预分类结果；当α1≤0，α2≤0，得到病情走势是趋于好转的预分类结果；当α1≥0，α2≤0，得到病情开始好转的预分类结果；当α1≤0，α2≥0，得到病情走势反复且趋于严重的预分类结果。10.基于量子神经网络的病情发展预测平台，其特征在于：其包括权利要求1-9任一项所述基于量子神经网络的病情发展预测系统，还包括远端监测单元，所述远端监测单元用于接收量子神经网络输出的病情走势预测结果。
技术总结
本发明公开了基于量子神经网络的病情发展预测系统及平台，属于量子计算技术领域，包括预处理单元和量子神经网络；预处理单元用于提取离散化数据的特征数据；量子神经网络，基于特征数据进行分类得到病情走势预测结果。本申请通过预处理单元将连续性数据离散化处理，进而使连续性数据输入至量子神经网络，为不同行业中连续或离散数据的处理、数据的预测提供了一种全新的方法和思路。同时本申请将量子计算应用至病情发展进行预测，大大提升了数据计算效率，同时提升病情走势的预测结果，实现生物医疗资源的有效、合理地分配。合理地分配。合理地分配。
技术研发人员：朱钦圣 卢俊邑 吴昊 殷浩 蒋欣睿 李晓瑜
受保护的技术使用者：电子科技大学
技术研发日：2022.01.26
技术公布日：2022/5/17