[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

说明书

本发明涉及人工智能的深度神经网络技术领域，涉及一种基于聚合神经网络的TAVR术后并发症风险值预测方法，其目的在于提供了一种基于聚合神经网络的TAVR术后并发症风险值预测方法，其构建的聚合神经网络模型包括术前模块、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；通过本申请的神经网络模型，能够分阶段的给出术后并发症的概率值，提高术后风险的预测精度。

技术领域

本发明属于人工智能的深度神经网络技术领域，涉及一种基于聚合神经网络的TAVR术后并发症风险值预测方法。

背景技术

随着科技的发展，以深度神经网络为代表的人工智能技术得到了飞速发展，其经过模型构建和模型训练后，能够很好的提取数据中蕴含的知识，实现数据空间相关性和时空相关性的预测，例如授权专利号为202011200812.2的一种疾病风险预测系统、方法、装置、设备及介质，以及授权专利号为202010112710.9的一种基于大数据的疾病预测系统，都是利用深度神经网络，在大量数据上训练，从而实现对于疾病风险值的预测。

伴随着我国人口老龄化的发展趋势，与年龄相关的瓣膜疾病负担也随之增高。其中主动脉瓣狭窄发病率高，患者出现症状后未行手术干预2年死亡率超过50％，严重威胁人民的生命健康。经导管主动脉瓣置换(transcatheter aortic valve replacement，TAVR)自2002年实施首例人体植入以来，发展迅速。其相比于外科手术创伤小，恢复快，且治疗效果相当。目前TAVR已成为无论何种外科手术风险的主动脉瓣狭窄患者的指南推荐治疗。

但是，在主动脉疾病的TAVR治疗时代，如何降低术后并发症出现的风险，如血栓、出血等，如何对潜在并发症风险进行预测，对于改善患者治疗质量，提高患者生存水平，已经成为亟待解决的关键问题。

在术后风险预测方面，已经形成诸多的研究成果。比如，申请号为201180029360.1的发明专利就公开了一种涉及在受试者中预测由手术干预导致的与急性肾损伤AKI相关的不良事件的风险的方法，申请号为201280043320.4的发明专利就提供了用于基于生物标记物L-FABP诊断与急性事件后或外科手术后相关的急性肾损伤的设备和方法。但是，目前大部分术后风险预测的方法都属于传统的统计机器学习方法，这些方法面临着几个问题：第一，传统的机器学习方法需要特别复杂的特征工程；第二，需要依赖领域专家的知识进行特征筛选、标注；第三，传统的机器学习方法不适合处理高纬度的特征信息；第四，传统的机器学习大多为线性模型，很难学习特征之间的非线性关系。此外，现有的基于神经网络的风险预测更多的是预测风险产生的大致情况，比如风险较高、风险较低，但是具体产生这一风险的概率如何，具体概率值是多少，其并不能得出详尽风险产生的概率值，风险预测精度偏低，其预测的结论可供参考的作用有限，需基于更多的医生经验、检测结果加以辅助。

发明内容

为解决上述现有技术中存在的挑战与问题，如无法预测术后并发症风险的具体概率值、风险预测精度偏低、无法遵循临床事件的时序关系等，本发明提供了一种基于聚合神经网络的TAVR术后并发症风险值预测方法，通过本申请的神经网络模型，能够分阶段的给出术后并发症的概率值，提高术后风险的预测精度。

为解决以上技术问题，本发明采用的技术方案如下：

一种基于聚合神经网络的TAVR术后并发症风险值预测方法，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；