[发明专利]一种基于深度学习混合模型的再住院风险预测方法

权利要求书

1.一种基于深度学习混合模型的再住院风险预测方法，其特征在于：该方法包括以下步骤：

步骤1：收集数据集，包括患者个体特征和外部环境特征；

步骤2：特征分组及预处理，将特征分为静态特征和时间序列特征；

步骤3：时间序列特征挖掘，对时间序列特征进行统计分析、构建LDA模型和双向LSTM模型；所述的时间序列特征挖掘，包括如下子步骤：

步骤3.1：对时间序列特征进行统计分析，包括住院次数计数、住院时长求和、住院费用求平均值、入院病情计数；

步骤3.2：对时间序列特征中的手术操作按ICD-9编码计数，出院诊断及出院病情按ICD-10编码计数，并分别构建LDA模型，挖掘患者疾病间的相似性；

所述的，LDA模型为隐含狄利克雷分布模型(Latent Dirichlet Allocation)，该模型采用词袋模型，将每一篇文档视为一个词频向量，通过将文档表示为一个主题向量来达到特征降维的目的；

将研究期间每个患者所患疾病作为一个文档，每种疾病编码为一个字符，运用LDA模型计算文档之间的语义相似度，寻找字符间的语义主题；

构建LDA模型，包括如下子步骤：输入患者手术操作、出院诊断或出院病情计数；通过分析困惑度与聚类效果计算主题数l；对特征进行训练，构建LDA模型；反复迭代，直至收敛；提取各主题模型前m个主题关键词；

以出院诊断编码为例，主题模型计算公式为：

Topic_i＝α_i1*jbbm_i1+…+α_ij*jbbm_ij+…+α_im*jbbm_im,(i＝1,...,l)

其中，α_ij为主题模型中出院诊断编码jbbm_ij的系数；m表示构成每个主题模型中的关键词数量；l表示出院诊断编码的主题数，通过分析困惑度与聚类效果的相关关系确定，计算公式为：

其中，p(w)指训练集中每个单词出现的概率，p(w)＝p(z|d)*p(w|z)；p(z|d)表示一个文档中每个主题出现的概率，p(w|z)表示词典中每一个单词在某个主题下出现的概率；

步骤3.3：对时间序列特征，构建双向LSTM模型，挖掘患者的疾病变化趋势及治疗路径；

所述的，LSTM模型为长短期记忆网络(Long Short-Term Memory)，通过分析患者本次住院前后所患疾病及药物治疗情况，挖掘患者的疾病变化趋势及治疗路径，计算公式为：

h_t＝o_t⊙tanh(c_t)

其中f_t，i_t和o_t为三个门控制单元，主要用来控制信息传递；遗忘门f_t控制上一个时刻的内部状态c_t-1需要丢弃多少信息；输入门i_t控制当前时刻的候选状态c_t有多少信息需要保留；输出门o_t控制当前时刻的内部状态c_t有多少信息需要输出给外部状态h_t；⊙表示向量元素乘积；c_t-1为上一时刻的内部状态；c_t是通过非线性函数得到的候选状态，公式如下所示：

其中tanh()为双曲正切函数；W，U和b为可学习的网络参数；x_t为当前时刻的输入数据；在每个时刻t，长短期记忆网络的内部状态c_t记录了从开始到当前时刻的历史信息；

步骤4：特征拼接，将静态特征和经特征工程处理的时间序列特征融合，作为CNN模型的输入；

步骤5：构建CNN模型，预测患者再住院风险。