[發明專利]一種健康預測方法

有效

• 申請號: 202110405487.1
• 申請日: 2021-04-15
• 公開（公告）號: CN113012808B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 蔡慶鵬;鄭凱平;王偉;姚暢;張美慧
• 申請（專利權）人: 北京理工大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/30;G16H50/70;A61B5/00;G06N3/04;G06N3/08
• 代理公司: 北京云嘉湃富知識產權代理有限公司 11678
• 代理人: 程凌軍

本發明涉及一種健康預測方法，屬于人工智能數據挖掘技術領域。包括以下步驟：S1獲取原始醫療時序特征矩陣X；S2使用特征交互表示方法對x_t重新表達為使其包含特征交互信息；S3使用綜合信息提取方法提取時序數據序列的綜合信息S4使用分類方法對所述進行分類以實現健康預測。本發明能夠充分利用醫學特征的交互信息，包括功能級交互和時間級交互，從而對醫療時序數據內在相關信息進行更為有效的挖掘，進而實現對用戶健康進行更為有效的預測。功能級交互能夠有效地描繪出不同的異常模式，從而更好的區分患者不同的健康狀態。時間級交互可以更有效的學習患者動態變化的健康狀況。通過雙向嵌入能夠為數字型醫學特征生成信息含量更加豐富的嵌入向量表達。

技術領域

本發明涉及一種預測方法，特別涉及一種健康預測方法，屬于人工智能技術領域。

背景技術

醫療保健分析旨在通過數據驅動的方法分析各種醫療保健數據，從而幫助醫療保健決策并提供個性化的治療建議，從而改善患者管理。隨著衛生信息化建設的進步和大數據的發展，國際科研工作者對醫療大數據的保存和挖掘研究有了越來越高的重視度和參與度，其中電子健康記錄(EHR)是用于醫療保健分析的重要數據源之一。電子健康記錄包含了多種形式的信息，比如人口統計信息(如年齡、性別、身高、出入院時間、是否死亡等)、患者的動態醫療信息(如生命體征、化驗結果、用藥情況等)、生物圖像信息(超聲波圖像、核磁共振檢測圖像、CT圖像等)。但是EHR也存在著一些不可忽視的問題，例如數據時間不規則性，數據異質性，數據嘈雜，數據維度高等。這些問題大大阻礙了從EHR數據挖掘創造價值的過程。為了解決這些問題，醫療研究人員提出了各種深度學習模型來更好地表達患者的病情，從而提高模型的分析性能(如準確率等)。而在醫療保健分析模型的設計中，醫學特征之間的交互作用對于反映患者的健康狀況至關重要，而現有模型均沒能充分的利用醫學特征之間的交互作用。

發明內容

本發明的目的在于針對現有技術的上述部分或全部不足，提供一種健康預測方法，包括以下內容：

S1獲取原始醫療時序特征矩陣其中t∈{1,2,…,T_t}是時間步長的索引，x_t∈R^|C|表示對應時間步長t的原始醫學特征向量，|C|表示原始醫學特征的個數；

S2使用特征交互表示方法對x_t重新表達為使其包含特征交互信息，其中t∈{1,2,…,T_t}；

作為優選，為加快神經網絡訓練速度，對所述x_t中每個原始醫學特征值進行標準化。

作為優選，所述使用特征交互表示方法對x_t重新表達為使其包含特征交互信息，具體包括以下內容：

S21將所述x_t表示為x；

S22對所述x中第i個醫學特征值x_i通過嵌入機制生成嵌入向量e_i；

作為優選，所述嵌入機制為通過下式進行雙向嵌入：

其中，a和b分別表示預設的前向嵌入表達下限值和后向嵌入表達上限值，是兩個嵌入矩陣，是分別對應于V^a,V^b的第i個嵌入向量，用于將所述醫學特征值轉換為向量，e表示嵌入向量的維度，|C|表示所述原始醫學特征的個數，e_i表示第i個醫學特征嵌入向量。

S23通過下式進行不同醫學特征之間的交互：

r_i，j＝e_i⊙e_j