基于深度学习的精神病风险预测研究

针对精神病的致病因素较复杂、缺乏有效风险预测方法,导致发病率越来越高、患者越年轻化的问题,提出一种基于深度学习的精神病风险预测方法。方法研究深度协同过滤算法对海量特征数据进行预处理,建立患者特征和健康隐式特征间的高阶非线性交互关系模型,利用面向隐式反馈信息算法,估算健康隐式特征间的相似度;通过研究反向传播算法计算特征向量的置信度,从训练数据集中学习健康隐式特征,构建精神病风险预测目标标签和评价指标体系,以实现更高效、准确的个性化的精神病风险预测算法。实验结果表明所提算法比传统算法有更好的性能。