-
公开(公告)号：CN109599177A
公开(公告)日：2019-04-09
申请号：CN201811422693.8
申请日：2018-11-27
Applicant: 华侨大学
Abstract: 本发明公开了一种基于病历的深度学习预测医疗轨迹的方法，包括以下步骤：S1、将入院时的诊断信息和干预信息通过编码方案进行编码，并将编码转换为向量；分别得到诊断信息转换向量xt∈RM和干预信息转换向量得到Pt∈RM；将一次入院的诊断信息和干预信息转换成一个2M维的向量[xt,pt]；S2、将向量[xt,pt]输入LSTM模型；求出当前输出值ht得到当前疾病状态；S3、根据疾病状态ht预测诊断代码dt+1，通过诊断代码dt+1对疾病的进展进行预测；S4、计算时间t的干预代码st；在LSTM模型中增加时间结构，在多个时间范围内汇集历史疾病状态，对于每段水平时间轴的状态进行汇集，将所有疾病状态汇集并堆积成向 被反馈到神经网络中预测未来风险结果Y。
-
公开(公告)号：CN109599177B
公开(公告)日：2023-04-11
申请号：CN201811422693.8
申请日：2018-11-27
Applicant: 华侨大学
Abstract: 本发明公开了一种基于病历的深度学习预测医疗轨迹的方法，包括以下步骤：S1、将入院时的诊断信息和干预信息通过编码方案进行编码，并将编码转换为向量；分别得到诊断信息转换向量xt∈RM和干预信息转换向量得到Pt∈RM；将一次入院的诊断信息和干预信息转换成一个2M维的向量[xt,pt]；S2、将向量[xt,pt]输入LSTM模型；求出当前输出值ht得到当前疾病状态；S3、根据疾病状态ht预测诊断代码dt+1，通过诊断代码dt+1对疾病的进展进行预测；S4、计算时间t的干预代码st；在LSTM模型中增加时间结构，在多个时间范围内汇集历史疾病状态，对于每段水平时间轴的状态进行汇集，将所有疾病状态汇集并堆积成向被反馈到神经网络中预测未来风险结果Y。
-
公开(公告)号：CN109585020A
公开(公告)日：2019-04-05
申请号：CN201811422499.X
申请日：2018-11-27
Applicant: 华侨大学
Abstract: 本发明公开了一种运用卷积神经网络对疾病风险预测的模型，所述模型为四层卷积神经网络模型，包括第一层、第二层、第三层、第四层；第一层由EHRS建立的事件矩阵组成，第二层为对第一层中的EHR矩阵进行提取表型的单侧卷积层，第三层为在第二层提取到的表型中保留重要表型的最大池化层，第四层是一个softmax预测的全连接层。第一层中的事件矩阵中，水平维度对应于时间戳，垂直维度对应于事件值；本发明为了结合患者EHR的时间平滑性，在模型中还研究了三种不同的时间融合机制：早期融合、晚期融合和缓慢融合，建立了先进的具有时间融合的CNN架构。
-
-
Search Results
3
records
(took 0.02 seconds)
