技术特征：
1.一种急性加重的预测方法，其特征在于，包括：获取多个患者在第一时间及第二时间对应的急性加重次数、在所述第一时间的临床文本数据以及/或肺图像；根据所述第一时间及第二时间对应的急性加重次数，确定训练标签；利用所述临床文本数据以及/或所述肺图像及对应的所述训练标签对预设分类器进行训练；基于训练的所述预设分类器，利用待预测患者在第一时间的临床文本数据以及/或肺图像，完成所述待预测患者在第二时间的急性加重预测。2.根据权利要求1所述的预测方法，其特征在于，所述根据所述第一时间及第二时间对应的急性加重次数，确定训练标签的方法，包括：若所述第二时间对应的急性加重次数大于所述第一时间对应的急性加重次数，则所述训练标签为急性加重；否则，所述训练标签为非急性加重。3.根据权利要求1或2所述的预测方法，其特征在于，所述利用所述临床文本数据以及/或所述肺图像及对应的所述训练标签对预设分类器进行训练的方法，包括：分别根据所述临床文本数据以及/或所述肺图像得到对应的第一局部特征及第一全局特征；利用所述第一局部特征及第一全局特征及对应的所述训练标签对预设分类器进行训练；以及/或，所述基于训练的所述预设分类器，利用待预测患者在第一时间的临床文本数据以及/或肺图像，完成所述待预测患者在第二时间的急性加重预测的方法，包括：根据所述待预测患者在第一时间的临床文本数据以及/或肺图像得到对应的第二局部特征及第二全局特征；基于训练的所述预设分类器，利用所述第二局部特征及第二全局特征，完成所述待预测患者在第二时间的急性加重预测。4.根据权利要求3所述的预测方法，其特征在于，所述利用所述第一局部特征及第一全局特征及对应的所述训练标签对预设分类器进行训练的方法，包括：对所述第一局部特征及第一全局特征进行融合操作，得到第一融合特征；利用所述第一融合特征及对应的所述训练标签对预设分类器进行训练；以及/或，所述利用所述第二局部特征及第二全局特征，完成所述待预测患者在第二时间的急性加重预测的方法，包括：对所述第二局部特征及第二全局特征进行融合操作，得到第二融合特征；基于训练的所述预设分类器，利用所述第二融合特征，完成所述待预测患者在第二时间的急性加重预测。5.根据权利要求3或4所述的预测方法，其特征在于，所述根据所述待预测患者在第一时间的临床文本数据以及/或肺图像得到对应的第二局部特征及第二全局特征的方法，包括：基于所述第一局部特征，在所述待预测患者在第一时间的临床文本数据以及/或肺图
像对应的特征中，选择与所述第一局部特征相同的特征；以及，获取根据所述临床文本数据以及/或所述肺图像得到对应的第一全局特征的模型；基于所述模型，利用所述待预测患者在第一时间的临床文本数据以及/或肺图像得到对应的第二全局特征。6.根据权利要求1-5任一项所述的预测方法，其特征在于，还包括：在所述获取待预测患者对应的临床文本数据以及/或肺图像对应的影像特征后，对所述患者进行慢性阻塞性肺病进行识别或分级；若所述患者患有所述慢性阻塞性肺病或所述患者的慢性阻塞性肺病达到设定分级，则对所述待预测患者进行预测。7.根据权利要求6所述的预测方法，其特征在于，所述对所述患者进行慢性阻塞性肺病进行识别或分级的方法，包括：确定所述待预测患者对应的临床文本数据是否包括肺功能数据；若包括，基于所述肺功能数据对所述患者进行慢性阻塞性肺病进行识别或分级；否则，获取所述患者的肺图像，利用所述肺图像对所述患者进行慢性阻塞性肺病进行识别或分级。8.一种急性加重的预测装置，其特征在于，包括：获取单元，用于获取多个患者在第一时间及第二时间对应的急性加重次数、在所述第一时间的临床文本数据以及/或肺图像；确定单元，用于根据所述第一时间及第二时间对应的急性加重次数，确定训练标签；训练单元，用于利用所述临床文本数据以及/或所述肺图像及对应的所述训练标签对预设分类器进行训练；预测单元，用于基于训练的所述预设分类器，利用待预测患者在第一时间的临床文本数据以及/或肺图像，完成所述待预测患者在第二时间的急性加重预测。9.一种电子设备，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述急性加重的预测的方法。10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的急性加重的预测方法。
技术总结
本公开涉及一种急性加重的预测方法及装置、电子设备和存储介质。其中，所述的急性加重的预测方法，包括：获取多个患者在第一时间及第二时间对应的急性加重次数、在所述第一时间的临床文本数据以及/或肺图像；根据所述第一时间及第二时间对应的急性加重次数，确定训练标签；利用所述临床文本数据以及/或所述肺图像及对应的所述训练标签对预设分类器进行训练；基于训练的所述预设分类器，利用待预测患者在第一时间的临床文本数据以及/或肺图像，完成所述待预测患者在第二时间的急性加重预测。本公开实施例可实现急性加重的预测。本公开实施例可实现急性加重的预测。本公开实施例可实现急性加重的预测。
技术研发人员：李玮 杨英健 王世聪 曾楠嵘 段文馨 刘洋 郭英委 康雁
受保护的技术使用者：深圳技术大学
技术研发日：2022.06.27
技术公布日：2022/10/13