申请/专利权人：北京大学第三医院(北京大学第三临床医学院)

申请日：2023-10-12

公开（公告）日：2024-03-12

公开（公告）号：CN117235487B

主分类号：G06F18/2113

分类号：G06F18/2113;G06F18/213;G06N3/042;G06N3/045;G16H10/60;G16H50/20;G16H50/70

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2024.01.02#实质审查的生效;2023.12.15#公开

摘要：本发明涉及一种用于预测哮喘患者住院事件的特征提取方法和系统，属于医疗健康技术领域，解决了现有技术中特征多训练效率低，不能精确进行预测的问题。方法包括：获取哮喘患者的健康相关数据；对所述健康相关数据进行筛选得到初始特征项；构建图注意力网络，所述图注意力网络包括多层图注意力层；每层图注意力层的节点与所述初始特征项对应；基于初始特征项对应的患者的健康相关数据训练所述图注意力网络得到训练好的图注意力网络；基于训练好的所述图注意力网络中每个节点的重要度计算每个节点的支持度，基于每个节点的支持度得到用于预测哮喘患者住院事件的特征项。实现了预测患者住院事件的特征的快速精确提取。

主权项：1.一种用于预测哮喘患者住院事件的特征提取方法，其特征在于，包括以下步骤：获取哮喘患者的健康相关数据，对所述健康相关数据进行筛选得到初始特征项；构建图注意力网络，所述图注意力网络包括多层图注意力层；每层图注意力层的节点与所述初始特征项对应；基于初始特征项对应的患者的健康相关数据训练所述图注意力网络得到训练好的图注意力网络；基于训练好的所述图注意力网络中每个节点的重要度计算每个节点的支持度，基于每个节点的支持度得到用于预测哮喘患者住院事件的特征项；采用以下公式计算图注意力网络中每个节点的重要度：Ei＝∑j∈Nieij其中，eij表示图注意力网络的最后一层图注意力层中第j个节点到第i个节点的边的注意力权重，Ni表示第i个节点的相邻节点；基于初始特征项对应的患者的健康相关数据训练所述图注意力网络得到训练好的图注意力网络，包括：对于每个训练批次，基于每项初始特征项对应的患者的健康相关数据构建图注意力网络的第一层图注意力层的节点的输入特征向量；上一层图注意力层中每个节点的输出特征向量为下一层图注意层中对应节点的输入特征向量；每层图注意力层中，基于网络参数根据输入特征向量计算得到输出特征向量；基于最后一层图注意力层中每个节点的输出特征向量通过分类网络进行住院事件预测；基于预测的损失更新图注意力网络的网络参数；更新网络参数后继续进行下一个批次的训练；当达到预设的训练条件则停止训练，得到训练好的图注意力网络；基于训练好的所述图注意力网络中每个节点的重要度计算每个节点的支持度，基于每个节点的支持度得到用于预测哮喘患者住院事件的特征项，包括：采用公式计算每项初始特征项的支持度其中，Ifi表示第i个初始特征项的数据支持度，Jfi表示第i个初始特征项的文献支持度，Ei表示第i个节点的重要度；若初始特征项的支持度大于第三阈值，则将其作为预测特征项；采用以下公式计算第i个初始特征项的数据支持度： 其中，Nfi表示在获取的患者的健康相关数据中，第i个初始特征项对应数据不为空的患者的数量，N表示患者的总数量；采用以下公式计算第i个初始特征项的文献支持度： Lfi表示公开第i个初始特征项和哮喘相关的文献的最高影响因子。

全文数据：

权利要求：

百度查询： 北京大学第三医院(北京大学第三临床医学院) 一种用于预测哮喘患者住院事件的特征提取方法和系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD