公开(公告)号：CN110348019A

公开(公告)日：2019-10-18

申请号：CN201910644003.1

申请日：2019-07-17

Applicant: 南通大学

Inventor： 王理 ,  王青华 ,  邵劲松 ,  黄勋 ,  姚敏

IPC: G06F17/27 ,  G16H50/20 ,  G16H50/30 ,  G16H50/70

Abstract: 本发明提供一种基于注意力机制的医疗实体向量转化方法，建立MedE2vec模型，具体包括以下步骤：患者整个医疗过程的电子病历包括时间分布零散的多次诊疗事件Event，单次的诊疗事件Event由患者的多个医疗实体Entity组成；输入患者的一次临床诊疗的所有医疗实体，由初始化向量矩阵W将其初始化为向量表示的诊疗序列；捕获患者诊疗事件序列V内部的医疗实体之间的关系即注意力机制；捕获患者不同诊疗事件间的关系：经过迭代训练得到向量矩阵W，W中的第i行即表示医疗实体集合中的向量；通过损失函数不断优化向量矩阵W，来得到最终的医疗实体向量。本发明是一个基于注意力机制的深度学习模型；MedE2vec可以生成更加精确的医疗实体向量。

公开(公告)号：CN110348019B

公开(公告)日：2023-04-28

申请号：CN201910644003.1

申请日：2019-07-17

Applicant: 南通大学

Inventor： 王理 ,  王青华 ,  邵劲松 ,  黄勋 ,  姚敏

IPC: G06F40/289 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/08 ,  G16H50/20 ,  G16H50/30 ,  G16H50/70

Abstract: 本发明提供一种基于注意力机制的医疗实体向量转化方法，建立MedE2vec模型，具体包括以下步骤：患者整个医疗过程的电子病历包括时间分布零散的多次诊疗事件Event，单次的诊疗事件Event由患者的多个医疗实体Entity组成；输入患者的一次临床诊疗的所有医疗实体，由初始化向量矩阵W将其初始化为向量表示的诊疗序列；捕获患者诊疗事件序列V内部的医疗实体之间的关系即注意力机制；捕获患者不同诊疗事件间的关系：经过迭代训练得到向量矩阵W，W中的第i行即表示医疗实体集合中的向量；通过损失函数不断优化向量矩阵W，来得到最终的医疗实体向量。本发明是一个基于注意力机制的深度学习模型；MedE2vec可以生成更加精确的医疗实体向量。