[发明专利]一种基于多源健康感知数据融合的生理特征数据分析方法

说明书

本发明公开了一种基于多源健康感知数据融合的生理特征数据分析方法，包括：获取健康感知数据；对上述数据进行预处理；得到个人体质记录数据向量；将经过预处理的医学感测数据添加二进制掩码向量并拼接获得医学感测数据矩阵；基于门控循环单元网络，融合学习医学感测数据矩阵和个人体质记录数据向量的隐藏特征；基于生理特征状况数据，构建生理特征关联矩阵；通过全连接网络将隐藏特征转换为多类别生理特征的判别概率，计算获得最终的生理特征分类结果。本发明方法能够融合学习多源异构健康感知数据，并充分利用生理特征数据之间潜在的相关性。在基于海量的健康感知数据计算中，具有更好的数据分析效果。

技术领域

本发明涉及一种数据分类方法，特别是一种基于多源健康感知数据融合的生理特征数据分析方法。

背景技术

近年来，传感技术在我国得到了快速发展，医学感测仪器随之崛起，生物传感等高新技术的出现及应用，使得临床监测设备不断向测量速度更快、准确度更高的方向发展。由于我国人口众多，每年入院治疗人数以亿计量，必然会产生大量包含医疗感测数据、住院信息、个人体质状况和生理特征数据记录等的电子健康记录(Electronic Health Record，EHR)，但电子健康记录数据的复杂性给这些数据的处理和利用带来了很大的难度。随着人工智能技术的不断进步和计算机计算能力的提升，利用电子健康系统进行生理特征数据分析和风险评估成为可能，这给医学数据分析智能化提供了良好的发展机遇。

为了更好地利用大量的电子健康记录数据，对不同类型结构的数据进行处理和分析是必要的。先前的工作大多仅针对相似结构的数据进行研究，如R Mohammad等人选取了大量的时序体征数据，采用逻辑回归和递归神经网络模型来预测数据特征，Ma L等人提出了一种可以学习患者生理特征数据的长期和短期变化作为临床特征的模型，使用医学感测数据的评估患者在不同时间阶段的生理特征数据。Ayon S I等人使用深度神经网络对多项测量数据进行学习，将其用于数据的预测。

虽然现有研究工作中有大量关于健康感知数据对生理特征数据分析的工作，但上述工作只考虑了单一类型数据的使用及其特征的提取，而没有考虑将多种数据融合以促进数据间的协同作用。并且由于电子健康记录数据中的医学感测数据是由多种设备获取的时序数据，而不同设备的采样频率有较大差异，采集的数据在时间维度上存在异构性；且个人体质记录数据(例如：年龄、性别等)是非时序数据，和医学感测数据之间也存在异构性。故而如何对这些异构数据融合建模是生理特征数据分析任务的难点。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于多源健康感知数据融合的生理特征数据分析方法。

为了解决上述技术问题，本发明公开了一种基于多源健康感知数据融合的生理特征数据分析方法，包括以下步骤：

步骤1，获取健康感知数据；所述健康感知数据包括：医学感测数据、个人体质记录数据以及生理特征状况数据；记录健康感知数据的数据采集的时间序列长度；对健康感知数据进行预处理，消除噪声数据，得到预处理后的总样本，总样本数为N；由所述个人体质记录数据经过数学化表达和定义，得到个人体质记录数据向量X_R；

步骤2，将经过步骤1预处理的医学感测数据按相同时间间隔填充成规则序列数据，添加指示每个时间间隔对应的特征值是否为真实测量值的二进制掩码向量，将所述二进制掩码向量与处理后的医学感测数据拼接，获得医学感测数据矩阵X_M；

步骤3，基于门控循环单元网络，融合学习医学感测数据矩阵X_M和个人体质记录数据向量X_R的隐藏特征H_T；

步骤4，基于生理特征状况数据X_D，采用条件概率方法计算任意一类生理特征数据j对另一类生理特征数据k的影响系数，构建生理特征关联矩阵I；