本发明公开了一种脓毒症治疗策略的学习方法及装置,该方法包括:基于样本数据建立关于脓毒症治疗策略的马尔科夫决策模型;样本数据为脓毒症患者在预设时间内的病理数据;根据马尔科夫决策模型,建立脓毒症的死亡率预测模型,并获取脓毒症患者各个特征的死亡率权重;利用死亡率权重对样本数据进行标记,生成目标样本;预测脓毒症治疗策略,利用深度强化学习方法来学习治疗策略。本发明通过患者样本优先级权重进行标记,使得深度强度学习的样本质量更高,提高了模型的训练效果,避免在大量次优样本中快速陷入局部最优的问题;通过采用改进的深度强度学习算法学习治疗策略,并为AI治疗策略的动作选择增加现实限制,使得推荐的治疗策略更优。
声明:
“脓毒症治疗策略的学习方法及装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)