(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211263786.7 (22)申请日 2022.10.17 (71)申请人 中科厚立信息技 术 （成都） 有限公司 地址 610000 四川省成 都市中国 （四川） 自 由贸易试验区成都高新区益州大道中 段1800号1栋17层170 5号 (72)发明人 张北　唐显恒　李涛　 (74)专利代理 机构 成都行之智 信知识产权代理 有限公司 5125 6 专利代理师 何筱茂 (51)Int.Cl. G16H 40/20(2018.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 基于迁移学习的单病种资源消耗分析方法、 系统及终端 (57)摘要 本发明公开了基于迁移学习的单病种资源 消耗分析方法、 系统及终端， 涉及机器学习技术 领域， 其技术方案要点是： 获取单病种的归类数 据， 并提取归类数据中与疾病转归存在关联的因 素所对应的数据， 得到变量数据集； 利用神经网 络迁移学习方法对变量数据集进行训练， 并采用 分位数损失函数建立神经网络模 型； 通过神经网 络模型对单病种资源消耗进行预测分析， 并结合 多个神经元的初始预测结果和相应神经元的置 信分位数确定最终预测结果。 本发 明采用分位数 损失函数所建立的基于迁移学习方法的神经网 络模型， 能够适应较多变量的数据处理， 有效提 高了病种资源消耗预测结果的可靠性与准确性。 权利要求书2页 说明书5页 附图1页 CN 115359890 A 2022.11.18 CN 115359890 A 1.基于迁移学习的单病 种资源消耗分析 方法， 其特 征是， 包括以下步骤： 获取单病种的归类数据， 并提取归类数据中与疾病转归存在关联的因素所对应的数 据， 得到变量数据集； 利用神经网络迁移学习方法对变量数据集进行训练， 并采用分位数损失函数建立神经 网络模型； 通过神经网络模型对单病种资源消耗进行预测分析， 并结合多个神经元的初始预测结 果和相应神经 元的置信分位数确定最终预测结果。 2.根据权利要求1所述的基于迁移学习的单病种资源消耗分析方法， 其特征是， 所述分 位数损失函数的计算公式具体为： 其中， 表示损失函 数的程度值， 程度值越小表示神经网络模型的预测性能越好； 表示神经元的数量； 表示第 个神经元输出的初始预测结果， 不同神经元的置信分位数不 同； 表示输入样本的实际值； 表示惩罚系数。 3.根据权利要求1所述的基于迁移学习的单病种资源消耗分析方法， 其特征是， 所述最 终预测结果的确定过程具体为： 以多个初始预测结果的加权平均值作为 最终预测结果； 或， 根据多个初始预测结果， 以最小二乘法建立预测变化曲线； 采用微积分求和计算得 到预测变化曲线在预测区间的预测累积值， 预测区间由多个初始预测结果的最大值和最小 值确定； 以预测累积值与区间跨度的比值作为最终预测结果， 区间跨度为初始预测结果的 最大值与最小值之差 。 4.根据权利要求1所述的基于迁移学习的单病种资源消耗分析方法， 其特征是， 该方法 还包括： 从变量数据集中提取包 含因素级别和关联密度的关联因素 特征图； 依据因素级别的级别数量确定神经网络模型的神经 元数量； 以及， 依据关联密度确定对应神经 元的置信分位数。 5.根据权利要求4所述的基于迁移学习的单病种资源消耗分析方法， 其特征是， 所述因 素级别的提取 过程具体为： 提取变量数据集中单个 变量因素与单个消耗资源类型之间关联路径， 得到路径集； 统计路径集中所有关联路径的关联跨度， 计算所有关联跨度的均值后取整作为变量因 素对相应消耗资源类型的因素级别。 6.根据权利要求5所述的基于迁移学习的单病种资源消耗分析方法， 其特征是， 所述关 联密度的提取 过程具体为： 统计关联跨度不小于对应因素级别的关联路径的数量， 得到第一数值； 以第一数值与相应路径集中的关联路径总数量之比作为关联密度。 7.根据权利要求4所述的基于迁移学习的单病种资源消耗分析方法， 其特征是， 所述神 经元数量的确定过程具体为： 确定关联密度大于对应因素级别所配置的基础 密度的级别数量；权　利　要　求　书 1/2 页 2 CN 115359890 A 2以级别数据作为神经网络模型中所构建的神经 元数量。 8.根据权利要求4所述的基于迁移学习的单病种资源消耗分析方法， 其特征是， 所述置 信分位数的确定过程具体为： 根据因素级别匹配相应的分位数区间； 根据因素级别的关联密度与对应 基础密度的比值作为偏移系数； 依据偏移系数对相应分位数区间的中点值进行偏移处理， 得到处于分位数区间中的置 信分位数。 9.基于迁移学习的单病 种资源消耗分析系统， 其特 征是， 包括： 数据处理模块， 用于获取单病种的归类数据， 并提取归类数据中与疾病转归存在关联 的因素所对应的数据， 得到变量数据集； 模型构建模块， 用于利用神经网络迁移学习方法对变量数据集进行训练， 并采用分位 数损失函数建立神经网络模型； 预测分析模块， 用于通过神经网络模型对单病种资源消耗进行预测分析， 并结合多个 神经元的初始预测结果和相应神经 元的置信分位数确定最终预测结果。 10.一种计算机终端， 包含存储器、 处理器及存储在存储器并可在处理器上运行的计算 机程序， 其特征是， 所述处理器执行所述程序时实现如权利要求 1‑8中任意一项 所述的基于 迁移学习的单病 种资源消耗分析 方法。权　利　要　求　书 2/2 页 3 CN 115359890 A 3