-
公开(公告)号：CN112259243A
公开(公告)日：2021-01-22
申请号：CN202010991239.5
申请日：2020-09-20
Applicant: 南昌大学第二附属医院
Abstract: 本发明涉及一种基于双向GRUs的单病种临床路径构建方法及系统，其中方法包括如下步骤：获取待构建的单病种的多源异构的医疗数据，利用机器学习对所述医疗数据进行预处理；根据IP协议报文的数据结构对所述医疗数据进行结构化，得到第一类路径节点集合；通过主题LDA算法对所述第一类路径节点进行分类和特征提取、聚类，得到第二类路径节点集合；将所述第二类路径节点集合作为双向GRUs和胶囊网络的输入，训练所述双向GRUs和胶囊网络得到第三类路径节点。本发明利用了IP协议报文对医疗数据进行结构化，然后利用主题LDA进行特征提取，最后利用双向GRUs和胶囊网络生成临床路径，使得该临床路径具有一致性、时序性、可变性，解释强。
-
公开(公告)号：CN112259243B
公开(公告)日：2024-01-02
申请号：CN202010991239.5
申请日：2020-09-20
Applicant: 南昌大学第二附属医院
IPC: G16H50/70 , G06F18/2135 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于双向GRUs的单病种临床路径构建方法及系统，其中方法包括如下步骤：获取待构建的单病种的多源异构的医疗数据，利用机器学习对所述医疗数据进行预处理；根据IP协议报文的数据结构对所述医疗数据进行结构化，得到第一类路径节点集合；通过主题LDA算法对所述第一类路径节点进行分类和特征提取、聚类，得到第二类路径节点集合；将所述第二类路径节点集合作为双向GRUs和胶囊网络的输入，训练所述双向GRUs和胶囊网络得到第三类路径节点。本发明利用了IP协议报文对医疗数据进行结构化，然后利用主题LDA进行特征提取，最后利用双向GRUs和胶囊网络生成临床路径，使得该临床路径具有一致性、时序性、可变性，解释强。
-
公开(公告)号：CN112365976B
公开(公告)日：2023-08-11
申请号：CN202011273670.2
申请日：2020-11-14
Applicant: 南昌大学第二附属医院
IPC: G16H50/20 , G16H50/70 , G06F18/241 , G06F18/23213 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/096
Abstract: 本发明涉及一种基于迁移学习的复合病种临床路径构建方法及系统，其方法包括：获取非临床路径产生的复合病种的多源异构医疗数据；根据ICD分类对其进行结构化，构成第一数据集；按照体征信息、医学分期、诊断信息、治疗评价对第一数据集进行特征提取、聚类，构成第二数据集；从所述第二数据集随机抽取两个病种的数据集，训练时域卷积神经网络对其中一个病种数据集进行学习，通过MMD对所述时域卷积神经网络进行调整用于另一个病种数据集的迁移学习；最后根据输出结果进行融合，得到复合病种临床路径。本发明通过数据集的简化以及与时域卷积神经网络、生成式对抗神经网络的集成，提高了复合病种临床路径构的性能和可解释性，避免了梯度爆炸。
-
公开(公告)号：CN112365976A
公开(公告)日：2021-02-12
申请号：CN202011273670.2
申请日：2020-11-14
Applicant: 南昌大学第二附属医院
Abstract: 本发明涉及一种基于迁移学习的复合病种临床路径构建方法及系统，其方法包括：获取非临床路径产生的复合病种的多源异构医疗数据；根据ICD分类对其进行结构化，构成第一数据集；按照体征信息、医学分期、诊断信息、治疗评价对第一数据集进行特征提取、聚类，构成第二数据集；从所述第二数据集随机抽取两个病种的数据集，训练时域卷积神经网络对其中一个病种数据集进行学习，通过MMD对所述时域卷积神经网络进行调整用于另一个病种数据集的迁移学习；最后根据输出结果进行融合，得到复合病种临床路径。本发明通过数据集的简化以及与时域卷积神经网络、生成式对抗神经网络的集成，提高了复合病种临床路径构的性能和可解释性，避免了梯度爆炸。
-
-
-
Search Results
4
records
(took 0.036 seconds)
