[發明專利]一種針對醫院重癥監護室患者疾病診斷與病情狀態評估建模方法

在審

• 申請號: 202010067550.0
• 申請日: 2020-01-20
• 公開（公告）號: CN111276242A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 史振坤;左祥麟;張一嘉;梁世寧;左萬利
• 申請（專利權）人: 吉林大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70
• 代理公司: 北京君泊知識產權代理有限公司 11496
• 代理人: 李丹

1.一種針對醫院重癥監護室患者疾病診斷與病情狀態評估建模方法，其特征在于，包括以下步驟：

獲取多種疾病中病人的檢測數據和給藥數據，每種疾病對應的數據形成一個任務，將所有任務進行匯集，建立用于時態數據的多模式多任務時態學習框架；

對每一個任務中的給藥數據進行處理，將給藥數據中的時間與檢測時間差進行對齊，以使得給藥時間與患者生理特征一致；

設置密集層，將所有任務中的檢測數據和處理后的給藥數據進行維度映射，將高維的數據映射為低維數據，統一和拼合輸入功能；

設置隱層，捕獲每種疾病與死亡率之間的相關性，并且對維度映射后的數據通過門控循環單元層將進行每種任務中的數據進行融合；

將融合后的數據做全連接，輸出所患疾病與嚴重程度評估結果。

2.根據權利要求1所述的一種針對醫院重癥監護室患者疾病診斷與病情狀態評估建模方法，其特征在于，所述獲取多種疾病中病人的檢測數據和給藥數據，每種疾病對應的數據形成一個任務具體為：

1.1、通過國際疾病分類代碼將病人進行分類，形成每一個任務；

1.2、所有任務共享一個共同的相關特征子集，然后根據每個任務對應的影響度設置權重參數，并使用唯一的特征子集來進行不同的任務。

3.根據權利要求2所述的一種針對醫院重癥監護室患者疾病診斷與病情狀態評估建模方法，其特征在于，所述共同的相關特征子集包括患者的基礎信息；特征子集包括患者的檢測數據。

4.根據權利要求1所述的一種針對醫院重癥監護室患者疾病診斷與病情狀態評估建模方法，其特征在于，所述建立用于時態數據的多模式多任務時態學習框架具體包括：

給定N個訓練樣本，每個樣本的時間跨度為T，并且每個樣本都具有M維數據形式，表示為：

共同學習了一系列與Y個不同任務相對應的模型，分別表示為：

其中，每個樣本在每個時間步都有表示為的多種數據形式，并且每個樣本都對應于表示為Y_i的多個任務

5.根據權利要求4所述的一種針對醫院重癥監護室患者疾病診斷與病情狀態評估建模方法，其特征在于，所述對每一個任務中的給藥數據進行處理，將給藥數據中的時間與檢測時間差進行對齊，以使得給藥時間與患者生理特征一致具體為：

添加了一個窗口對齊操作，假設代表患者p在時間t_i時刻的第k個臨床測量，而表示時間t_j時刻對患者p進行的的第k種藥物治療；那么在第n個時間窗口的診斷信息和治療信息可以用特征向量Φⁿ來表示：

其中，在第t個時間窗口處，Φⁿ具體表示為定義窗口對齊操作：

φ_t＝w₁A_pt_i+w₂B_pt_j+b

其中φ_t是患者p在時間窗口t的輸入特征向量，w₁、w₂和b是可學習的參數；時間t_i是臨床測量的發生時間，t_j是給藥發生時間，通過學習參數和統一對其到獨特時間窗口t。

6.根據權利要求5所述的一種針對醫院重癥監護室患者疾病診斷與病情狀態評估建模方法，其特征在于，所述設置隱層為設置GRU層：

GRU層用來處理從密集層輸出的時序信息病關聯到第p個患者疾病類向量標簽Y，以及一個用隨時間變化的死亡率向量標簽Z，來表示患有n-th疾病的P-th患者在時間t時刻的患病情況以及死亡情況：

為了便于計算，為p-th患者創建了兩個T維響應向量，分別對應患者p在不同時間的患病情況與死亡情況：

7.根據權利要求6所述的一種針對醫院重癥監護室患者疾病診斷與病情狀態評估建模方法，其特征在于，所述將融合后的數據做全連接，輸出所患疾病與嚴重程度評估結果為：

對于患者的疾病診斷，病人P被診斷患某種疾病的概率如下：

其中，φ(a)是Sigmoid函數σ(a)≡(1+exp(-a))^-1，和ω^(p)是α+β維模型參數向量，與診斷相似，死亡率預測任務的后驗概率為：

將GRU的可訓練參數表示為W≡[ω¹,ω²,…,ω^t]。