精神疾病前驱期的预测方法、装置、设备及介质

本发明涉及计算机辅助医疗，具体涉及一种精神疾病前驱期的预测方法、装置、设备及介质。背景技术：1、精神分裂症等精神疾病不仅严重损害患者的健康，并给社会尤其是患者家庭会带来沉重的经济负担。2、因此，现代临床医学需要对精神疾病前驱期，即精神疾病超高危人群进行预测，从而实现该疾病的早期临床识别，并尽早干预，有效改善不良愈后、减轻残疾和疾病负担非常重要。3、相关技术中，诊断精神疾病前驱期需要进行依靠测量人员进行前驱综合征定式检查，这个检查需要测量人员需要经过专业培训，操作流程较为复杂、操作时间长，不利于进行大范围的精神疾病筛查。技术实现思路1、本技术提供了一种精神疾病前驱期的预测方法、装置、设备及介质，该技术方案如下。2、一方面，提供了一种精神疾病前驱期的预测方法，所述方法包括：3、获取流调人群的流行病学调查数据，所述流行病学调查数据包括：所述流调人群的人口学信息、所述流调人群的问卷调查信息，所述问卷调查信息包括n类调查问卷，n为大于1的正整数；4、根据所述流行病学调查数据，构建训练数据集，所述训练数据集包括：所述人口学信息对应的人口特征、n类调查问卷分别对应的n类问卷特征；5、基于多层感知机和卷积神经网络，构建预测模型，所述预测模型用于进行目标精神疾病对应的精神疾病前驱期的预测；6、使用所述训练数据集训练所述预测模型。7、在一种可能的实现方式中，所述预测模型包括：第一潜在特征表示模块、第二潜在特征表示模块及预测模块；8、所述基于多层感知机和卷积神经网络，构建预测模型，包括：9、构建第一潜在特征表示模块，所述第一潜在特征表示模块用于通过第一多层感知机，学习所述n类问卷特征的潜在特征，得到n类问卷潜在特征；10、构建第二潜在特征表示模块，所述第一潜在特征表示模块用于通过卷积神经网络，学习交叉特征的潜在特征，得到交叉潜在特征，所述交叉特征是各类问卷特征两两作外积得到的特征；11、构建预测模块，所述预测模块用于通过第二多层感知机，结合所述人口特征、所述n类问卷潜在特征及所述交叉潜在特征，进行所述目标精神疾病对应的精神疾病前驱期的预测。12、在一种可能的实现方式中，在得到所述交叉潜在特征之后，所述方法还包括：13、对所述交叉潜在特征进行最大池化操作。14、在一种可能的实现方式中，所述通过第二多层感知机，结合所述人口特征、所述n类问卷潜在特征及所述交叉潜在特征，进行所述目标精神疾病对应的精神疾病前驱期的预测，包括：15、将所述人口特征、所述n类问卷潜在特征及池化处理后的所述交叉潜在特征进行拼接，得到最后表征；16、将所述最后表征作为所述第二多层感知机的输入，进行所述目标精神疾病对应的精神疾病前驱期的预测。17、在一种可能的实现方式中，所述根据所述流行病学调查数据，构建训练数据集，包括：18、从所述流调人群中剔除其他精神疾病人群，得到修正后人群，所述其他精神疾病人群是除所述目标精神疾病之外的其他精神疾病所对应的人群；19、对所述修正后人群对应的流行病学调查数据进行预处理，得到所述修正后人群对应的特征数据，所述特征数据包括：人口特征、n类问卷特征；20、根据所述修正后人群是否具有所述目标精神疾病，对所述修正后人群对应的特征数据进行标签划分，得到所述训练数据集。21、在一种可能的实现方式中，在进行标签划分之后，所述方法还包括：22、对标签对应于所述目标精神疾病的特征数据进行复制，并将复制的特征数据填充进所述训练数据集中。23、在一种可能的实现方式中，所述对所述修正后人群对应的流行病学调查数据进行预处理，包括：24、将主观性问卷条目从所述问卷调查信息中进行去除，得到更新后的问卷调查信息，所述主观性问卷条目是所述问卷调查信息中基于主观感受评价的问卷条目；25、对所述更新后的问卷调查信息进行数据编码，得到所述问卷特征。26、在一种可能的实现方式中，所述使用所述训练数据集训练所述预测模型，包括：27、将所述训练数据集分为多个子集；28、轮流将所述多个子集中的一个子集作为测试集，其他子集作为训练集，对所述预测模型进行交叉验证。29、在一种可能的实现方式中，所述人口学信息包括如下中的至少一种：30、性别、年龄、左右利手、吸烟情况。31、在一种可能的实现方式中，所述问卷调查信息包括如下中的至少一种：32、精神病前驱期问卷、患者健康问卷、广泛性焦虑量表、匹茨堡睡眠质量指数量表、青少年自我伤害问卷、简易心理弹性量表。33、又一方面，提供了一种精神疾病前驱期的预测装置，所述装置包括：34、数据获取模块，用于获取流调人群的流行病学调查数据，所述流行病学调查数据包括：所述流调人群的人口学信息、所述流调人群的问卷调查信息，所述问卷调查信息包括n类调查问卷，n为大于1的正整数；35、训练集构建模块，用于根据所述流行病学调查数据，构建训练数据集，所述训练数据集包括：所述人口学信息对应的人口特征、n类调查问卷分别对应的n类问卷特征；36、模型构建模块，用于基于多层感知机和卷积神经网络，构建预测模型，所述预测模型用于进行目标精神疾病对应的精神疾病前驱期的预测；37、模型训练模块，用于使用所述训练数据集训练所述预测模型。38、又一方面，提供了一种计算机设备，所述计算机设备中包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现上述的精神疾病前驱期的预测方法。39、又一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的精神疾病前驱期的预测方法。40、再一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的精神疾病前驱期的预测方法。41、本技术提供的技术方案可以包括以下有益效果：42、获取流调人群的流行病学调查数据之后，先根据流行病学数据构建训练数据集，再基于多层感知机和卷积神经网络，构建预测模型，最后使用训练数据集训练预测模型，预测模型的训练使用了大规模流调所得的流行病学调查数据，此流行病学调查数据并非临床数据，由于流行病学调查数据对应的样本量大，因此建立的预测模型更加具有代表性，使用此预测模型进行目标精神疾病对应的精神疾病前驱期的预测可以大力减少筛查目标精神疾病超高危人群的时间，节省医务人员的人力成本，扩大筛查的范围。