[发明专利]基于BiLSTM的电子健康记录表示学习方法及系统有效

专利信息
申请号: 202010082494.8 申请日: 2020-02-07
公开(公告)号: CN111370084B 公开(公告)日: 2023-10-03
发明(设计)人: 郑向伟;杨姗;杨洋;嵇存;魏艺 申请(专利权)人: 山东师范大学
主分类号: G16H10/60 分类号: G16H10/60;G16H50/20;G16H50/70;G06N3/0442
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 黄海丽
地址: 250358 山东省*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 bilstm 电子 健康 记录 表示 学习方法 系统
【说明书】:

本公开公开了基于BiLSTM的电子健康记录表示学习方法及系统,包括:构建基于BiLSTM的深度学习模型;构建训练集,所述训练集为A疾病患者的电子健康记录中若干次历史就诊的诊断结果和当前就诊的诊断结果;利用训练集对基于BiLSTM的深度学习模型进行训练,将某疾病患者的若干次历史就诊的诊断结果作为模型的输入值,将患者当前就诊的诊断结果作为模型的输出值;得到训练好的基于BiLSTM的深度学习模型;获取同样患A疾病的待表示学习患者的电子健康记录,将待表示学习患者电子健康记录的若干次历史诊断结果输入到训练好的基于BiLSTM的深度学习模型中,输出待表示学习患者的最终表示学习向量。

技术领域

本公开涉及电子健康记录(Electronic health records,EHR)的数据表示学习方法的研究技术领域,尤其涉及基于BiLSTM的电子健康记录表示学习方法及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术,并不必然构成现有技术。

EHR系统中存储的是与患者住院有关的大量医疗数据,包括诊断、检查结果、药物、放射影像和临床记录等。近年来,EHR的爆炸性增长为数据挖掘技术、机器学习技术和其他数据科学研究等的发展提供了许多的机会,同时也吸引了许多研究者的关注和参与。另外,EHR系统所带来的大量的有价值的医疗研究数据对探究患者病情、预测患者未来发病率等发挥着重要的作用。目前,利用现有的医疗大数据为患者提供最佳和最个性化的医疗服务正在成为医疗行业变革成功的主要趋势之一。

在实现本公开的过程中,发明人发现现有技术中存在以下技术问题:

EHR数据具有高维性、时序性、稀疏性和复杂性等特性,这为EHR数据的研究带来了许多挑战,进一步来说将EHR用于精准的、个性化的医学研究是一项具有挑战性且复杂性的工作。因此,在进行分类、回归等任务或应用之前,从EHR数据中提取出有效的医疗特征是至关重要的一步。表示学习技术的出现便为EHR数据的处理提供了很好的机会。表示学习旨在通过机器学习方法将研究对象的语义信息表示为稠密的低维实值向量,它在医学领域的作用是将医疗事件或患者特征转化为更高级的抽象表示,从而为医学领域的研究任务提供更有效且更具有鲁棒性的医疗特征。尽管表示学习技术在某些领域(例如文本数据的处理)已经取得了很大的成就,但该技术尚未广泛地应用于医疗领域。

发明内容

本公开的目的就是为了解决上述问题,提供基于BiLSTM的电子健康记录表示学习方法及系统,不仅考虑了就诊内发生的各医疗诊断代码之间的潜在关联信息以及它们的权值比重,同时利用了患者就诊序列的时序性和差异性,综合地学习了医疗特征的向量表示。

为了实现上述目的,本公开采用如下技术方案:

第一方面,本公开提供了基于BiLSTM的电子健康记录表示学习方法;

基于BiLSTM的电子健康记录表示学习方法,包括:

构建基于BiLSTM的深度学习模型;

构建训练集,所述训练集为A疾病患者的电子健康记录中若干次历史就诊的诊断结果和当前就诊的诊断结果;

利用训练集对基于BiLSTM的深度学习模型进行训练,将某疾病患者的若干次历史就诊的诊断结果作为模型的输入值,将患者当前就诊的诊断结果作为模型的输出值;得到训练好的基于BiLSTM的深度学习模型;

获取同样患A疾病的待表示学习患者的电子健康记录,将待表示学习患者电子健康记录的若干次历史诊断结果输入到训练好的基于BiLSTM的深度学习模型中,输出待表示学习患者的最终表示学习向量。

第二方面,本公开提供了基于BiLSTM的电子健康记录表示学习系统;

基于BiLSTM的电子健康记录表示学习系统,包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东师范大学,未经山东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010082494.8/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top