申请/专利权人:云南大学
申请日:2023-07-31
公开(公告)日:2023-12-05
公开(公告)号:CN117174226A
主分类号:G16H10/60
分类号:G16H10/60;G16H50/30;G16H50/50;G16H50/70;G06N3/0464;G06N3/048;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.22#实质审查的生效;2023.12.05#公开
摘要:本发明公开了基于从粗到细嵌入学习与出院小结感知的EHR事件预测,包括以下步骤:获取病人疾病数据作为输入;将疾病代码分类和疾病代码层次采用从粗到细的疾病输入嵌入方法生成嵌入,并将疾病代码分类和疾病代码层次数据生成的嵌入进行拼接;将拼接后的嵌入数据构建疾病图,采用图卷积网络学习;提取出疾病隐藏特征进入病人就诊序列,在嵌入层生成就诊嵌入,经过基于位置的注意力输出得到就诊输出;对病例文本进行处理,采用出院小结和辅助文本学习方法对每个单词计算出TD‑IDF值,经过嵌入层后和基于位置的注意力后得到病例输出;将就诊输出和病例输出拼接起来经过软注意力层,得到最终输出,再和病人特征的嵌入拼接,进行疾病预测。
主权项:1.基于从粗到细嵌入学习与出院小结感知的EHR事件预测,其特征在于,包括以下步骤:获取病人疾病数据作为输入,包括病人特征、疾病代码分类、疾病代码层次、病人就诊序列和病人病例文本;将病人特征、疾病代码分类和疾病代码层次数据经过嵌入层进行嵌入,病人特征数据生产特征嵌入,疾病代码分类和疾病代码层次采用从粗到细的疾病输入嵌入方法生成嵌入,并将疾病代码分类和疾病代码层次数据生成的嵌入进行拼接;将拼接后的嵌入数据通过自适应动态图构建方法构建疾病图,采用图卷积网络进行学习;提取出疾病隐藏特征进入病人就诊序列,随后在嵌入层生成就诊嵌入,采用循环神经网络学习,经过基于位置的注意力输出得到就诊输出Ov;对病例文本进行处理,病例文本包含出院小结和辅助文本,采用出院小结和辅助文本学习方法对每个单词计算出TD-IDF值,经过嵌入层后和基于位置的注意力后得到病例输出Ow;采用目标任务的预测和推断方法将就诊输出Ov和病例输出Ow拼接起来经过软注意力层,得到最终输出O,再和病人特征的嵌入拼接,进行疾病预测。
全文数据:
权利要求:
百度查询: 云南大学 基于从粗到细嵌入学习与出院小结感知的EHR事件预测
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。