少样本的疾病预测方法及装置

摘要文本

本发明涉及数据处理技术领域，提供了一种少样本的疾病预测方法及装置，该方法包括：获取待处理电子病历信息；基于疾病预测模型对待处理电子病历信息进行预测，得到预测结果；其中，疾病预测模型基于以样本电子病历信息经过扩增和重采样得到的样本为训练样本，以通过共享权重的编码器从训练样本中提取的潜层表征为训练特征对骨干模型进行训练得到。本发明所述方法能够在抽象的潜层表征空间对增广前后的样本以及重采样后的样本间的互信息进行了进一步挖掘和学习，有效克服了数据中存在的少样本和不平衡问题，从而具有了较高的识别精度，尤其显著提高了模型对慢性化样本的识别效果。