[發(fā)明專利]一種電子病歷分析裝置和方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110348004.9
• 申請(qǐng)日: 2021-03-31
• 公開(kāi)（公告）號(hào): CN113077901B
• 公開(kāi)（公告）日: 2022-05-10
• 發(fā)明（設(shè)計(jì)）人: 楊帆;陳婉儀;林開(kāi)標(biāo);賴永炫;姚毅虹
• 申請(qǐng)（專利權(quán)）人: 廈門(mén)大學(xué)
• 主分類號(hào): G16H50/30
• 分類號(hào): G16H50/30;G06N3/04;G06N3/08
• 代理公司: 廈門(mén)市首創(chuàng)君合專利事務(wù)所有限公司 35204
• 代理人: 張松亭;李艾華

1.一種電子病歷分析裝置，其特征在于，包括：

患者信息獲取單元，用于獲取EHR數(shù)據(jù)中的疾病編碼x_t、醫(yī)療干預(yù)編碼p_t、住院類型m_t和入院/出院時(shí)間；分別將離散的疾病編碼x_t和醫(yī)療干預(yù)編碼p_t映射到連續(xù)分布高維空間，得到患者診療記錄的表征向量X_t和P_t；基于入院/出院時(shí)間，獲得住院間隔時(shí)間△t；其中的各變量的下標(biāo)t表示t時(shí)刻的變量；

處理單元，用于將獲取的患者信息作為住院-長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)Care-LSTM的輸入，計(jì)算得到用于反映不同時(shí)間下診療記錄關(guān)聯(lián)性的權(quán)重系數(shù)α_t和用于反映統(tǒng)一診療記錄間的內(nèi)在關(guān)聯(lián)的權(quán)重系數(shù)β_t；基于住院類型m_t和住院間隔時(shí)間△t，計(jì)算得到權(quán)重系數(shù)r_t；基于權(quán)重系數(shù)α_t、β_t和r_t，計(jì)算得到總權(quán)重系數(shù)w_t；將總權(quán)重系數(shù)w_t與表征向量X_t進(jìn)行加權(quán)平均獲得最終狀態(tài)向量將最終狀態(tài)向量作為全連接層和激活函數(shù)的輸入，獲得ICU患者的死亡風(fēng)險(xiǎn)概率；

所述住院-長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)Care-LSTM包括遺忘門(mén)f_t、輸入門(mén)i_t和輸出門(mén)o_t，分別表示如下：

o_t＝σ(W_o·X_t+U_o·h_t-1+P_o·P_t+b_o)

其中，σ表示sigmoid激活函數(shù)；W_i表示疾病變量對(duì)t時(shí)刻細(xì)胞輸入的貢獻(xiàn)程度；U_i表示t-1時(shí)刻的潛在狀態(tài)對(duì)t時(shí)刻細(xì)胞輸入的貢獻(xiàn)程度；h_t-1表示t-1時(shí)刻輸出的潛在狀態(tài)；b_i表示t時(shí)刻細(xì)胞輸入的偏差值；W_f表示疾病變量對(duì)t時(shí)刻細(xì)胞遺忘量的貢獻(xiàn)程度；U_f表示t-1時(shí)刻的潛在狀態(tài)對(duì)t時(shí)刻細(xì)胞遺忘量的貢獻(xiàn)程度；P_f表示醫(yī)療干預(yù)變量對(duì)t時(shí)刻細(xì)胞遺忘量的貢獻(xiàn)程度；Q_f表示住院變量對(duì)t時(shí)刻細(xì)胞遺忘量的貢獻(xiàn)程度；b_f表示t時(shí)刻細(xì)胞遺忘量的偏差值；表示相鄰住院間隔時(shí)間內(nèi)的住院變量；W_o表示疾病變量對(duì)t時(shí)刻細(xì)胞輸出的貢獻(xiàn)程度；U_o表示t-1時(shí)刻的潛在狀態(tài)對(duì)t時(shí)刻細(xì)胞輸出的貢獻(xiàn)程度；P_o表示醫(yī)療干預(yù)變量對(duì)t時(shí)刻細(xì)胞輸出的貢獻(xiàn)程度；b_o表示t時(shí)刻細(xì)胞輸出的偏差值；△_t-1:t表示相鄰住院間隔時(shí)間；

將獲取的患者信息作為住院-長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)Care-LSTM的輸入，計(jì)算得到用于反映不同時(shí)間下診療記錄關(guān)聯(lián)性的權(quán)重系數(shù)α_t，具體包括：

在診療記錄的層面上，通過(guò)住院-長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)Care-LSTM和Softmax函數(shù)學(xué)習(xí)到處于0～1的權(quán)重向量α_t，具體如下：

g_t＝Care_LSTM([X_t；P_t；m_t；△_t-1:t])

其中，g_t∈R^p，表示從住院-長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)Care-LSTM輸出的第t時(shí)刻的隱藏層；參數(shù)W_α∈R^p表示實(shí)數(shù)空間R中維度為p的向量；b_α∈R表示偏差值，為標(biāo)量；

將獲取的患者信息作為住院-長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)Care-LSTM的輸入，計(jì)算得到用于反映統(tǒng)一診療記錄間的內(nèi)在關(guān)聯(lián)的權(quán)重系數(shù)β_t，具體包括：

在疾病層面上，通過(guò)住院-長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)Care-LSTM和tanh函數(shù)學(xué)習(xí)到處于-1～1的權(quán)重系數(shù)β_t，其中負(fù)數(shù)表示存在抑制關(guān)系，具體如下：

e_t＝Care_LSTM([X_t；P_t；m_t；△_t-1:t])

β_t＝tanh(W_βe_t+b_β)

其中，e_t∈R^q，表示從住院-長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)Care-LSTM輸出的第t時(shí)刻的隱藏層，參數(shù)W_β∈R^p×q，表示實(shí)數(shù)空間R中維度p×q的權(quán)重矩陣；b_β∈R^d，表示實(shí)數(shù)空間R中維度為d維的偏差向量；

基于住院類型m_t和住院間隔時(shí)間△t，計(jì)算得到權(quán)重系數(shù)r_t，具體如下：

r_t＝[m_t+log(1+△_t:T)]^-1

其中，r_t∈R^d表示自定義的d維調(diào)和權(quán)重向量，△_t:T表示第t次記錄入院時(shí)間距離最后一次記錄出院的天數(shù)。