申请/专利权人：北京邮电大学

申请日：2024-01-15

公开（公告）日：2024-04-30

公开（公告）号：CN117594241B

主分类号：G16H50/30

分类号：G16H50/30;G06N5/02;G06N5/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明提出一种基于时序知识图谱邻域推理的透析低血压预测方法，包括，获取患者的透析数据集；根据透析数据集构建血液透析患者时序知识图谱，并构建多月份的时序窗口数据；从血液透析患者时序知识图谱中提取患者图谱邻域信息；根据患者图谱邻域信息对时序窗口数据进行融合；根据融合的结果使用人工神经网络进行患者低血压的预测。通过本发明提出的方法，可用于预测透析低血压发生、挖掘透析低血压的高危因素，从而帮助透析患者降低低血压发病率。本发明中的知识图谱构建和推理方法较为通用，能够推广到医学场景中利用时序数据进行医学事件预测的任务。

主权项：1.一种基于时序知识图谱邻域推理的透析低血压预测方法，其特征在于，包括以下步骤：获取患者的透析数据集；根据所述透析数据集构建血液透析患者时序知识图谱，并构建多月份的时序窗口数据；从所述血液透析患者时序知识图谱中提取患者图谱邻域信息；根据所述患者图谱邻域信息对所述时序窗口数据进行融合；根据融合的结果使用人工神经网络进行患者低血压的预测；其中，所述根据所述透析数据集构建血液透析患者时序知识图谱，包括：对所述透析数据集进行预处理，得到透析session数据库和透析实时数据库；其中，session指患者通过透析机器完成一次透析的过程；根据所述透析session数据库和所述透析实时数据库构建session粒度数据；基于session粒度数据构建月份粒度数据集；根据所述月份粒度数据集构建患者时序知识图谱；其中，所述根据所述月份粒度数据集构建患者时序知识图谱，包括：以特征的类型为边，所述特征的具体取值为实体；对于每个月份的记录，创建一个虚拟的患者节点，以所述患者节点为中心，通过不同的边连接所述特征取值的实体，对于特征取值为空的则该边不存在；其中，所述从所述血液透析患者时序知识图谱中提取患者图谱邻域信息，包括：基于患者当月的知识图谱和患者当月可见特征掩码，通过可见特征引导的图卷积对患者第i个月的邻域信息进行聚合，获得了所述患者在观测窗口第个月份的表示： 其中，代表关系r的注意力，代表关系r的变换矩阵，代表节点u的嵌入，集合表示患者p在时序窗口第个月的知识图谱。

全文数据：

权利要求：

百度查询： 北京邮电大学 基于时序知识图谱邻域推理的透析低血压预测方法及装置

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