[发明专利]一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法

权利要求书

1.一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法，其特征在于，包括以下步骤：

获取多种疾病中病人的检测数据和给药数据，每种疾病对应的数据形成一个任务，将所有任务进行汇集，建立用于时态数据的多模式多任务时态学习框架；

对每一个任务中的给药数据进行处理，将给药数据中的时间与检测时间差进行对齐，以使得给药时间与患者生理特征一致；

设置密集层，将所有任务中的检测数据和处理后的给药数据进行维度映射，将高维的数据映射为低维数据，统一和拼合输入功能；

设置隐层，捕获每种疾病与死亡率之间的相关性，并且对维度映射后的数据通过门控循环单元层将进行每种任务中的数据进行融合；

将融合后的数据做全连接，输出所患疾病与严重程度评估结果。

2.根据权利要求1所述的一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法，其特征在于，所述获取多种疾病中病人的检测数据和给药数据，每种疾病对应的数据形成一个任务具体为：

1.1、通过国际疾病分类代码将病人进行分类，形成每一个任务；

1.2、所有任务共享一个共同的相关特征子集，然后根据每个任务对应的影响度设置权重参数，并使用唯一的特征子集来进行不同的任务。

3.根据权利要求2所述的一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法，其特征在于，所述共同的相关特征子集包括患者的基础信息；特征子集包括患者的检测数据。

4.根据权利要求1所述的一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法，其特征在于，所述建立用于时态数据的多模式多任务时态学习框架具体包括：

给定N个训练样本，每个样本的时间跨度为T，并且每个样本都具有M维数据形式，表示为：

共同学习了一系列与Y个不同任务相对应的模型，分别表示为：

其中，每个样本在每个时间步都有表示为的多种数据形式，并且每个样本都对应于表示为Y_i的多个任务

5.根据权利要求4所述的一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法，其特征在于，所述对每一个任务中的给药数据进行处理，将给药数据中的时间与检测时间差进行对齐，以使得给药时间与患者生理特征一致具体为：

添加了一个窗口对齐操作，假设代表患者p在时间t_i时刻的第k个临床测量，而表示时间t_j时刻对患者p进行的的第k种药物治疗；那么在第n个时间窗口的诊断信息和治疗信息可以用特征向量Φⁿ来表示：

其中，在第t个时间窗口处，Φⁿ具体表示为定义窗口对齐操作：

φ_t＝w₁A_pt_i+w₂B_pt_j+b

其中φ_t是患者p在时间窗口t的输入特征向量，w₁、w₂和b是可学习的参数；时间t_i是临床测量的发生时间，t_j是给药发生时间，通过学习参数和统一对其到独特时间窗口t。

6.根据权利要求5所述的一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法，其特征在于，所述设置隐层为设置GRU层：

GRU层用来处理从密集层输出的时序信息病关联到第p个患者疾病类向量标签Y，以及一个用随时间变化的死亡率向量标签Z，来表示患有n-th疾病的P-th患者在时间t时刻的患病情况以及死亡情况：

为了便于计算，为p-th患者创建了两个T维响应向量，分别对应患者p在不同时间的患病情况与死亡情况：

7.根据权利要求6所述的一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法，其特征在于，所述将融合后的数据做全连接，输出所患疾病与严重程度评估结果为：

对于患者的疾病诊断，病人P被诊断患某种疾病的概率如下：

其中，φ(a)是Sigmoid函数σ(a)≡(1+exp(-a))^-1，和ω^(p)是α+β维模型参数向量，与诊断相似，死亡率预测任务的后验概率为：

将GRU的可训练参数表示为W≡[ω¹,ω²,…,ω^t]。