[发明专利]一种基于深度学习混合模型的再住院风险预测方法有效
| 申请号： | 201910190496.6 | 申请日： | 2019-03-13 |
| 公开（公告）号： | CN109949936B | 公开（公告）日： | 2023-05-30 |
| 发明（设计）人： | 张岩龙;幸勇;邓军;罗林;王利亚 | 申请（专利权）人： | 成都数联易康科技有限公司 |
| 主分类号： | G16H50/30 | 分类号： | G16H50/30;G16H50/70;G06N3/0442;G06N3/0464;G06N3/0455;G06N3/048;G06N3/08 |
| 代理公司： | 成都中亚专利代理有限公司 51126 | 代理人： | 王岗 |
| 地址： | 611731 四川省*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习混合模型的再住院风险预测方法，该方法包括以下步骤：步骤1：收集数据集，包括患者个体特征和外部环境特征；步骤2：特征分组及预处理，将特征分为静态特征和时间序列特征；步骤3：时间序列特征挖掘，对时间序列特征进行统计分析、构建LDA模型和双向LSTM模型；步骤4：特征拼接，将静态特征和经特征工程处理的时间序列特征融合，作为CNN模型的输入；步骤5：构建CNN模型，预测患者再住院风险。本发明基于深度学习算法，对患者健康医疗大数据及所处外部环境进行研究分析，构建再住院风险预测模型，有助于医疗机构合理安排医疗资源，为患者提供更好的医疗服务，也有助于提升保险机构对参保人再住院风险识别的效率和准确率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 混合 模型 住院 风险 预测 方法 | ||
【主权项】：
1.一种基于深度学习混合模型的再住院风险预测方法，其特征在于：该方法包括以下步骤：步骤1：收集数据集，包括患者个体特征和外部环境特征；步骤2：特征分组及预处理，将特征分为静态特征和时间序列特征；步骤3：时间序列特征挖掘，对时间序列特征进行统计分析、构建LDA模型和双向LSTM模型；步骤4：特征拼接，将静态特征和经特征工程处理的时间序列特征融合，作为CNN模型的输入；步骤5：构建CNN模型，预测患者再住院风险。
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成都数联易康科技有限公司，未经成都数联易康科技有限公司许可，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/patent/201910190496.6/，转载请声明来源钻瓜专利网。
