[发明专利]基于聚合神经网络的TAVR术后并发症风险值预测方法

权利要求书

1.一种基于聚合神经网络的TAVR术后并发症风险值预测方法，其特征在于，包括以下步骤：

步骤1，数据获取；

步骤2，数据清洗与编码；

步骤3，构建聚合神经网络模型；

构建包括术前模块、术中模块以及术后模块的聚合神经网络模型，术前模块、术中模块以及术后模块均包括输入层、隐藏层和输出层，每个隐藏层均包括全连接层、批归一化层以及非线性激活函数层；术前模块的隐藏层与术中模块的隐藏层连接，术中模块的隐藏层与术后模块的隐藏层连接；

步骤4，训练聚合神经网络模型；

采用步骤2处理后的数据对步骤3构建的聚合神经网络模型进行训练；

步骤5，风险预测；

利用训练好的聚合神经网络模型对待预测对象进行风险预测，预测出待预测对象术后并发症的风险概率值；

步骤5中，给定患者，采用聚合神经网络模型计算风险值的具体步骤为：

步骤5.1，将患者的临床数据分为术前临床数据、术中临床数据、术后临床数据；

步骤5.2，将术前临床数据输入术前模块的输入层，得到并发症预测的术前风险指数；

步骤5.3，将术中临床数据输入到术中模块，术中模块聚合术中临床数据中的特征数据和通过术前模块传来的术前临床数据中的特征数据，得到并发症预测的术中风险指数；

步骤5.4，将术后临床数据输入到术后模块，术后模块聚合术后临床数据中的特征数据和通过术中模块传来的术中临床数据、术前临床数据中的特征数据，得到并发症预测的术后风险指数；

步骤4中，训练聚合神经网络模型时采用的损失函数为：

其中，、、为三个常量系数, 、和分别定义为：

其中表示样本个数，、表示患者索引，是患者的终点状态；表示患者的生存时间；表示时刻的风险集，即生存时间大于的患者的索引的集合；表示并发症预测的术前风险指数，表示并发症预测的术中风险指数，表示并发症预测的术后风险指数。

2.如权利要求1所述的基于聚合神经网络的TAVR术后并发症风险值预测方法，其特征在于：术前模块包括一个输入层、一个隐藏层和一个输出层，术中模块包括一个输入层、两个隐藏层和一个输出层，术后模块包括一个输入层、三个隐藏层和一个输出层；

术前模块的隐藏层与术中模块的第一个隐藏层连接，术中模块的第二个隐藏层与术后模块的第一个隐藏层连接。

3.如权利要求1所述的基于聚合神经网络的TAVR术后并发症风险值预测方法，其特征在于：步骤1中的数据来源于医院的TAVR数据库，收集患有主动脉瓣狭窄并经导管主动脉瓣置换术的患者数据，每位患者的数据均包括了术前、术中以及术后的临床数据。

4.如权利要求1所述的基于聚合神经网络的TAVR术后并发症风险值预测方法，其特征在于：步骤2中，数据清洗与编码包括数据编码处理和缺失值填充处理；

数据编码处理，是指对于临床数据中的连续临床变量数据，采用浮点数进行编码；对于临床数据中的离散临床变量数据，采用整数进行编码；

缺失值填充处理，是指对于临床数据中的离散临床变量数据，采用数值-1填充缺失值；对于临床数据中的连续临床变量数据，使用sklearn库中的随机森林算法来计算并填充缺失值。

5.如权利要求4所述的基于聚合神经网络的TAVR术后并发症风险值预测方法，其特征在于：在数据编码处理和缺失值填充处理前进行终点事件分析，数据获取时，观察患者术后三年内的并发症发生情况，若患者在术后三年内出现术后并发症，则产生终点事件，且采集终点事件以前的患者数据并用于聚合神经网络模型的训练。

6.如权利要求1所述的基于聚合神经网络的TAVR术后并发症风险值预测方法，其特征在于：聚合神经网络模型训练好后，利用未经过人工筛选的数据集分别采用传统Cox模型和聚合神经网络模型，进行并发症发生风险值预测，评估模型性能。