[發(fā)明專利]一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的慢性疾病病情變化事件預(yù)測(cè)裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811548823.2
• 申請(qǐng)日: 2018-12-18
• 公開（公告）號(hào): CN109659033B
• 公開（公告）日: 2021-04-13
• 發(fā)明（設(shè)計(jì)）人: 黃正行;孫周健;段會(huì)龍
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G16H50/50
• 分類號(hào): G16H50/50;G06Q10/04;G06N3/08;G06K9/62
• 代理公司: 杭州天勤知識(shí)產(chǎn)權(quán)代理有限公司 33224
• 代理人: 胡紅娟

1.一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的慢性疾病病情變化事件預(yù)測(cè)裝置，包括計(jì)算機(jī)存儲(chǔ)器、計(jì)算機(jī)處理器以及存儲(chǔ)在所述計(jì)算機(jī)存儲(chǔ)器中并可在所述計(jì)算機(jī)處理器上執(zhí)行的計(jì)算機(jī)程序：

所述計(jì)算機(jī)存儲(chǔ)器中存有預(yù)處理模塊和慢性疾病病情變化事件預(yù)測(cè)模型，所述慢性疾病病情變化事件預(yù)測(cè)模型包括預(yù)處理模塊、病情特征提取模塊和分類模塊；

所述計(jì)算機(jī)處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)以下步驟：

接收患者多次入院所生成的長(zhǎng)期縱向數(shù)據(jù)，預(yù)處理模塊對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，將每次入院的數(shù)據(jù)重建為一個(gè)特征向量，作為待測(cè)數(shù)據(jù)集；以待測(cè)數(shù)據(jù)集作為輸入，病情特征提取模塊提取病情特征輸入到分類模塊；分類模塊輸出各類標(biāo)志病情發(fā)生變化的事件的預(yù)測(cè)概率；

所述慢性疾病變化事件預(yù)測(cè)模型的獲得過程為：

(1)采集慢性疾病患者的電子健康記錄，作為患者多次入院所生成的長(zhǎng)期縱向數(shù)據(jù)，并進(jìn)行預(yù)處理，對(duì)樣本是否在目標(biāo)時(shí)間窗口內(nèi)標(biāo)志病情發(fā)生變化的事件進(jìn)行標(biāo)注，得到訓(xùn)練樣本；

(2)構(gòu)建慢性疾病病情變化事件預(yù)測(cè)網(wǎng)絡(luò)，包括連接的循環(huán)神經(jīng)網(wǎng)絡(luò)和分類器，所述循環(huán)神經(jīng)網(wǎng)絡(luò)為用Hawkes過程學(xué)習(xí)到的激發(fā)條件強(qiáng)度改進(jìn)的GRU循環(huán)神經(jīng)網(wǎng)絡(luò)；

在步驟(2)中，所述改進(jìn)的GRU循環(huán)神經(jīng)網(wǎng)絡(luò)的隱層更新計(jì)算方法為：

z_t＝σ(W_zHawkes(e_t-1，e_target，Δt))+b_z

r_t＝σ(W_rHawkes(e_t-1，e_target，Δt))+b_r

h′_t＝tanh(W_h[e_t，c_t]+U_h(r_t*h_t-1)+b_h)，

h_t＝z_t*h_t-1+(1-z_t)*h′_t

其中，z_t表示更新門，r_t表示重置門，h_t-1表示前一個(gè)時(shí)刻的狀態(tài)信息，h′_t表示隱藏狀態(tài)，h_t表示新的狀態(tài)信息；c_t為補(bǔ)充說明病人本次入院時(shí)身體情況的上下文變量；e_t-1指上一次入院時(shí)表示疾病病情的標(biāo)志性事件，Δt指上一次入院到本次入院的時(shí)間間隔；Hawkes表示通過Hawkes過程學(xué)習(xí)到的激發(fā)條件強(qiáng)度，e_target表示本次預(yù)測(cè)任務(wù)目標(biāo)預(yù)測(cè)的病情事件；Hawkes過程所涉及的參數(shù)為預(yù)先訓(xùn)練完畢的參數(shù)；W_z，W_r，W_h，b_z，b_r，b_h，U_h為預(yù)測(cè)網(wǎng)絡(luò)訓(xùn)練得到的參數(shù)；

所述Hawkes過程的學(xué)習(xí)方法為：

對(duì)于事件采樣序列其中每一個(gè)采樣c_j視為一個(gè)事件序列，一個(gè)事件序列指患者多次入院所生成的長(zhǎng)期縱向數(shù)據(jù)，每一個(gè)事件序列中的元素可視為序列類型和序列事件的二元組其中，和U表示病情標(biāo)志性事件種類，和分別代表第j個(gè)采樣的發(fā)生時(shí)間和具體類型，n_j代表了采樣發(fā)生事件的數(shù)量，采樣發(fā)生事件的數(shù)量表示病人入院次數(shù)，采樣c_j的時(shí)間觀察窗口為[0，T_j]，時(shí)間觀察窗口表示病人總時(shí)間跨度；

事件u在時(shí)刻t的激發(fā)條件強(qiáng)度為：

參數(shù)μ和α通過EM算法進(jìn)行優(yōu)化，包括：

E步

E步中，指第j個(gè)采樣序列的第i個(gè)事件所對(duì)應(yīng)的事件類型所對(duì)應(yīng)的自激發(fā)強(qiáng)度，指第j個(gè)采樣的第1個(gè)和第i個(gè)事件的發(fā)生時(shí)間，指第j個(gè)采樣序列的第1個(gè)事件所對(duì)應(yīng)的事件類型對(duì)第j個(gè)采樣序列的第i個(gè)事件所對(duì)應(yīng)的事件類型產(chǎn)生的互激發(fā)強(qiáng)度，κ(·)指代exp(-x)指數(shù)函數(shù)；為序列j中的第i個(gè)事件是自然發(fā)生的概率，為序列j中的第i個(gè)事件是受第1個(gè)事件激發(fā)導(dǎo)致的概率；

M步

M步中，μ_c，α_cc′中的c，c′僅為向量和矩陣的角標(biāo)；為指示函數(shù)，接受一個(gè)邏輯表達(dá)式并輸出結(jié)果，當(dāng)邏輯表達(dá)式為True時(shí)，輸出1，反之，輸出0；T_j指第j個(gè)采樣的總觀測(cè)時(shí)間；

(3)以步驟(1)中的訓(xùn)練樣本作為步驟(2)中預(yù)測(cè)網(wǎng)絡(luò)的輸入層，以所述訓(xùn)練樣本對(duì)應(yīng)的真值標(biāo)簽作為所述預(yù)測(cè)網(wǎng)絡(luò)的輸出層，對(duì)所述預(yù)測(cè)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對(duì)所述預(yù)測(cè)網(wǎng)絡(luò)的參數(shù)進(jìn)行調(diào)節(jié)，直到收斂，得到訓(xùn)練完成后所對(duì)應(yīng)的特征提取模塊和分類模塊，組成慢性疾病病情變化事件預(yù)測(cè)模型。