本发明涉及计算机应用，尤其涉及一种疾病预测方法、装置、设备及存储介质。
背景技术：
1、在目前看病的流程中，往往需要人工判断患者的症状，并根据经验确诊患者的疾病，效率较低。
2、因此，目前亟需一种根据症状自动预测疾病的方法，帮助人工进行诊断，提高诊断效率。
技术实现思路
1、本发明提供一种疾病预测方法、装置、设备及存储介质，以解决相关技术中的不足。
2、根据本发明实施例的第一方面，提供一种疾病预测方法，包括：
3、获取目标患者的症状信息；所述症状信息包含所述目标患者出现的n个症状；n≥1；
4、获取c个关联概率集合，c≥1；所获取的任一关联概率集合包括：所述n个症状中症状对应的第一预设概率；所述第一预设概率是出现对应症状的情况下，患者确诊目标疾病的概率；
5、基于所述c个关联概率集合中的各个关联概率集合，分别进行疾病预测得到c个预测参数；所述预测参数用于表征：所述目标患者确诊所述目标疾病的预测概率；
6、综合所得到的c个预测参数进行疾病预测，得到用于预测所述目标患者确诊所述目标疾病的结果概率。
7、可选地，所获取的任一关联概率集合还包括以下至少一项：
8、所述n个症状中症状对应的第二预设概率；所述第二预设概率是未出现对应症状的情况下，患者确诊目标疾病的概率；
9、所述n个症状中症状对应的第三预设概率；所述第三预设概率是出现对应症状的情况下，患者确诊没有目标疾病的概率。
10、可选地，所获取的任一关联概率集合中，症状对应概率的计算方式包括以下至少一项：
11、基于预设的症状与疾病知识图谱，确定症状对应的概率；
12、基于病例数据统计，计算症状对应的概率。
13、可选地，所述第一预设概率的计算方式包括：在指定的病例集合中，将出现对应症状且被确诊为所述目标疾病的病例数量，除以出现对应症状的病例数量；
14、所述第二预设概率的计算方式包括：在指定的病例集合中，将未出现对应症状且被确诊为所述目标疾病的病例数量，除以未出现对应症状的病例数量；
15、所述第三预设概率的计算方式包括：在指定的病例集合中，将出现对应症状且被确诊为没有所述目标疾病的病例数量，除以出现对应症状的病例数量。
16、可选地，所述预测参数的预测方式包括：
17、计算单个关联概率集合中，各个症状对应第一预设概率的加权和，根据计算得到的加权和确定预测参数。
18、可选地，所述预测参数的预测方式包括：
19、在所基于的单个关联概率集合中，包含至少一个症状对应的第一预设概率和第二预设概率的情况下，分别将各个症状对应的第一预设概率，减去对应的第二预设概率，得到所述各个症状对应的概率差值；
20、计算所述各个症状对应概率差值的加权和，根据计算得到的加权和确定预测参数。
21、可选地，所述预测参数的预测方式包括：
22、在所基于的单个关联概率集合中，包含至少一个症状对应的第一预设概率和第二预设概率的情况下，分别将各个症状对应的第一预设概率对数取值，减去对应的第二预设概率对数取值，得到所述各个症状对应的概率对数差值；
23、计算所述各个症状对应概率对数差值的加权和，根据计算得到的加权和确定预测参数。
24、可选地，加权和的计算过程中，各个症状对应的权重与症状的罕见程度正相关。
25、可选地，所述预测参数，与所述目标患者确诊所述目标疾病的预测概率正相关。
26、可选地，所述综合所得到的c个预测参数进行疾病预测，得到用于预测所述目标患者确诊所述目标疾病的结果概率，包括：
27、将所述c个预测参数输入到预先训练的目标模型中，得到所述目标模型输出的，用于预测所述目标患者确诊所述目标疾病的结果概率；
28、所述目标模型用于：计算输入的c个预测参数的加权和；针对所计算的加权和进行标准化，得到用于预测所述目标患者确诊所述目标疾病的结果概率。
29、可选地，所述目标模型的训练方法，包括：
30、获取病例训练样本集合；所述病例训练样本集合中任一训练样本对应于单个患者；所述任一训练样本的特征包括c个预测参数；所述任一训练样本的标签包括：用于表征对应患者是否确诊所述目标疾病的标签；
31、利用所述病例训练样本集合，训练所述目标模型。
32、可选地，所述任一训练样本的特征中，所包含的c个预测参数获取方式，包括：
33、获取所述任一训练样本对应患者的症状训练信息，所述症状训练信息包含所述对应患者出现的m个症状；m≥1；
34、获取c个训练概率集合；所获取的任一训练概率集合包括：所述m个症状中症状对应的第一预设概率；
35、基于所述c个训练概率集合中的各个训练概率集合，分别进行疾病预测得到c个预测参数。
36、可选地，所述目标模型训练过程中的模型更新方式，包括以下至少一项：
37、更新所述目标模型中，输入的c个预测参数对应的权重；
38、更新所述目标模型中，标准化过程的参数。
39、可选地，所述获取目标患者的症状信息，包括：
40、从目标患者的病历信息中，提取出症状信息。
41、根据本发明实施例的第二方面，提供一种疾病预测装置，包括：
42、症状单元，用于获取目标患者的症状信息；所述症状信息包含所述目标患者出现的n个症状；n≥1；
43、概率单元，用于获取c个关联概率集合，c≥1；所获取的任一关联概率集合包括：所述n个症状中症状对应的第一预设概率；所述第一预设概率是出现对应症状的情况下，患者确诊目标疾病的概率；
44、预测单元，用于基于所述c个关联概率集合中的各个关联概率集合，分别进行疾病预测得到c个预测参数；所述预测参数用于表征：所述目标患者确诊所述目标疾病的预测概率；
45、综合单元，用于综合所得到的c个预测参数进行疾病预测，得到用于预测所述目标患者确诊所述目标疾病的结果概率。
46、可选地，所获取的任一关联概率集合还包括以下至少一项：
47、所述n个症状中症状对应的第二预设概率；所述第二预设概率是未出现对应症状的情况下，患者确诊目标疾病的概率；
48、所述n个症状中症状对应的第三预设概率；所述第三预设概率是出现对应症状的情况下，患者确诊没有目标疾病的概率。
49、可选地，所获取的任一关联概率集合中，症状对应概率的计算方式包括以下至少一项：
50、基于预设的症状与疾病知识图谱，确定症状对应的概率；
51、基于病例数据统计，计算症状对应的概率。
52、可选地，所述第一预设概率的计算方式包括：在指定的病例集合中，将出现对应症状且被确诊为所述目标疾病的病例数量，除以出现对应症状的病例数量；
53、所述第二预设概率的计算方式包括：在指定的病例集合中，将未出现对应症状且被确诊为所述目标疾病的病例数量，除以未出现对应症状的病例数量；
54、所述第三预设概率的计算方式包括：在指定的病例集合中，将出现对应症状且被确诊为没有所述目标疾病的病例数量，除以出现对应症状的病例数量。
55、可选地，所述预测参数的预测方式包括：
56、计算单个关联概率集合中，各个症状对应第一预设概率的加权和，根据计算得到的加权和确定预测参数。
57、可选地，所述预测参数的预测方式包括：
58、在所基于的单个关联概率集合中，包含至少一个症状对应的第一预设概率和第二预设概率的情况下，分别将各个症状对应的第一预设概率，减去对应的第二预设概率，得到所述各个症状对应的概率差值；
59、计算所述各个症状对应概率差值的加权和，根据计算得到的加权和确定预测参数。
60、可选地，所述预测参数的预测方式包括：
61、在所基于的单个关联概率集合中，包含至少一个症状对应的第一预设概率和第二预设概率的情况下，分别将各个症状对应的第一预设概率对数取值，减去对应的第二预设概率对数取值，得到所述各个症状对应的概率对数差值；
62、计算所述各个症状对应概率对数差值的加权和，根据计算得到的加权和确定预测参数。
63、可选地，加权和的计算过程中，各个症状对应的权重与症状的罕见程度正相关。
64、可选地，所述预测参数，与所述目标患者确诊所述目标疾病的预测概率正相关。
65、可选地，所述综合单元用于：
66、将所述c个预测参数输入到预先训练的目标模型中，得到所述目标模型输出的，用于预测所述目标患者确诊所述目标疾病的结果概率；
67、所述目标模型用于：计算输入的c个预测参数的加权和；针对所计算的加权和进行标准化，得到用于预测所述目标患者确诊所述目标疾病的结果概率。
68、可选地，所述目标模型的训练方法，包括：
69、获取病例训练样本集合；所述病例训练样本集合中任一训练样本对应于单个患者；所述任一训练样本的特征包括c个预测参数；所述任一训练样本的标签包括：用于表征对应患者是否确诊所述目标疾病的标签；
70、利用所述病例训练样本集合，训练所述目标模型。
71、可选地，所述任一训练样本的特征中，所包含的c个预测参数获取方式，包括：
72、获取所述任一训练样本对应患者的症状训练信息，所述症状训练信息包含所述对应患者出现的m个症状；m≥1；
73、获取c个训练概率集合；所获取的任一训练概率集合包括：所述m个症状中症状对应的第一预设概率；
74、基于所述c个训练概率集合中的各个训练概率集合，分别进行疾病预测得到c个预测参数。
75、可选地，所述目标模型训练过程中的模型更新方式，包括以下至少一项：
76、更新所述目标模型中，输入的c个预测参数对应的权重；
77、更新所述目标模型中，标准化过程的参数。
78、可选地，所述症状单元，用于：从目标患者的病历信息中，提取出症状信息。
79、根据上述实施例可知，通过利用症状与目标疾病之间的关联概率，自动预测患者确诊目标疾病的概率，所预测的概率可以用于辅助人工诊断，提高诊断效率。
80、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
1.一种疾病预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所获取的任一关联概率集合还包括以下至少一项：
3.根据权利要求1所述的方法，其特征在于，所获取的任一关联概率集合中，症状对应概率的计算方式包括以下至少一项：
4.根据权利要求2所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，所述预测参数的预测方式包括：
6.根据权利要求2所述的方法，其特征在于，所述预测参数的预测方式包括：
7.根据权利要求2所述的方法，其特征在于，所述预测参数的预测方式包括：
8.根据权利要求4至6中任一项所述的方法，其特征在于，加权和的计算过程中，各个症状对应的权重与症状的罕见程度正相关。
9.根据权利要求1所述的方法，其特征在于，所述预测参数，与所述目标患者确诊所述目标疾病的预测概率正相关。
10.根据权利要求1所述的方法，其特征在于，所述综合所得到的c个预测参数进行疾病预测，得到用于预测所述目标患者确诊所述目标疾病的结果概率，包括：
11.根据权利要求10所述的方法，其特征在于，所述目标模型的训练方法，包括：
12.根据权利要求11所述的方法，其特征在于，所述任一训练样本的特征中，所包含的c个预测参数获取方式，包括：
13.根据权利要求11所述的方法，其特征在于，所述目标模型训练过程中的模型更新方式，包括以下至少一项：
14.根据权利要求1所述的方法，其特征在于，所述获取目标患者的症状信息，包括：
15.一种疾病预测装置，其特征在于，包括：
16.一种电子设备，其特征在于，包括：
17.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序在由处理器执行时实现权利要求1至14中任一项所述方法。
