[发明专利]使用循环神经网络分析健康事件

权利要求书

1.一种用于使用循环神经网络来分析健康事件的方法，包括：

获得健康事件的多个初始时间序列，

其中，所述健康事件的多个初始时间序列中的每一个与不同的患者相关联，

其中，所述初始时间序列中的每一个包括在多个时间步中的每个时间步处的相应的健康相关数据，所述相应的健康相关数据与关联于所述初始时间序列的相应患者相关联，以及

其中，对于所述初始时间序列中的每一个的一个或多个时间步，在所述时间步处的健康相关数据是来自预定记号词汇表的相应的记号，词汇表中的每个记号表示不同的健康事件；

使用循环神经网络处理所述健康事件的多个初始时间序列中的每一个，以针对所述初始时间序列中的每一个，生成所述初始时间序列中的每个时间步的所述循环神经网络的相应的网络内部状态，

其中，所述循环神经网络已经被训练以接收输入时间序列，并且针对每个输入时间序列中的每个时间步，生成所述时间步的网络内部状态并且预测在所述时间步处根据所述时间步的网络内部状态识别的健康事件之后发生的未来事件；

针对所述多个初始时间序列中的每一个，将该时间序列中的时间步的网络内部状态中的一个或多个存储在内部状态储存库中；

获得与当前患者相关联的健康事件的第一时间序列；

使用所述循环神经网络来处理所述健康事件的第一时间序列以生成所述第一时间序列的序列内部状态；

将所述第一时间序列的序列内部状态与存储在所述内部状态储存库中的所述初始时间序列的网络内部状态进行比较，以根据所述初始时间序列的网络内部状态确定多个网络内部状态，其中每个所确定的网络内部状态和所述序列内部状态之间的相应的相似性度量超过阈值；

选择与所确定的网络内部状态相对应的初始时间序列作为包括预测能够变为与当前患者相关联的未来健康事件的健康事件的时间序列。

2.如权利要求1所述的方法，其中，为所述序列内部状态确定所述内部状态储存库中的所述多个网络内部状态包括：

针对所述内部状态储存库中的每个网络内部状态，计算所述网络内部状态和所述序列内部状态之间的相应的相似性度量；以及

确定具有超过所述阈值的所述相应的相似性度量的网络内部状态作为所述多个网络内部状态。

3.如权利要求1所述的方法，进一步包括：

将所述内部状态储存库中的每个网络内部状态与相应的时间步以及生成该网络内部状态所针对的相应的初始时间序列相关联。

4.如权利要求3所述的方法，进一步包括：

提供用于呈现给用户的数据，所述数据针对所选择的初始时间序列中的每一个，标识所选择的初始时间序列中处于在生成对应的网络内部状态所针对的时间步之后的时间步处的健康事件。

5.如权利要求3所述的方法，进一步包括：

根据所选择的初始时间序列中处于在生成对应的网络内部状态所针对的时间步之后的时间步处的健康事件，计算标识特定类型的健康事件的发生的频率的所述特定类型的健康事件的统计量；以及

提供所计算的统计量以供呈现给用户。

6.如权利要求1至5中的任一项所述的方法，其中，所述循环神经网络被训练以针对每个输入训练序列中的所述多个时间步中的每一个，根据所述时间步的网络内部状态来生成多个可能健康事件中的每一个的相应分值，其中，每个可能健康事件的相应分值表示所述可能健康事件是在所述输入训练序列中的该时间步之后的时间步处的健康事件的可能性。

7.如权利要求1至5中的任一项所述的方法，其中，使用所述循环神经网络处理所述健康事件的第一时间序列以生成所述第一时间序列的序列内部状态包括针对所述第一时间序列中的每个时间步：

使用所述循环神经网络处理标识该时间步的健康事件的数据以生成该时间步的网络内部状态；以及

将所述第一时间序列中的最后一个时间步的网络内部状态选择为所述第一时间序列的序列内部状态。