[发明专利]一种心血管疾病非计划再住院风险预测方法有效
| 申请号： | 201910643706.2 | 申请日： | 2019-07-17 |
| 公开（公告）号： | CN110347837B | 公开（公告）日： | 2022-02-18 |
| 发明（设计）人： | 邱航;陈玉成;蒲晓蓉;刘思;王利亚;罗林;李为昊 | 申请（专利权）人： | 电子科技大学;四川大学华西医院 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F40/284;G06N3/04;G06N3/08;G16H50/30;G16H50/70 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 陈选中 |
| 地址： | 611731 四川省成*** | 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： | 本发明提供了一种心血管疾病非计划再住院风险预测方法，基于与患者健康相关的结构化数据以及非结构化数据构成的多源异构医疗健康数据，应用基于深度神经网络的多模型集成算法,构建非计划再住院风险预测模型。本发明可以准确分析外部环境变化对患者非计划再住院的影响，同时应用文本挖掘技术提取非结构化数据的关键信息，全面挖掘患者健康影响因子。本发明解决了现有技术中缺乏外部环境变化对患者健康的影响分析、非结构化数据信息挖掘不足以及非平衡分类样本预测准确率较低的问题，提升了心血管疾病患者非计划再住院的预测准确性。 | ||
| 搜索关键词： | 一种 心血管疾病 计划 住院 风险 预测 方法 | ||
【主权项】：
1.一种心血管疾病非计划再住院风险预测方法，其特征在于，包括如下步骤：S1、获取与患者健康相关的结构化数据以及非结构化数据；S2、根据患者的ID、入院时间、出院时间以及出院主诊断构建患者的再住院标签集合；S3、利用文本分词模型Bi‑LSTM‑CRF对所述非结构化数据的文本数据进行文本分词处理，并根据所述分词处理后的文本数据生成词频矩阵；S4、根据所述分词处理后的文本数据构建LAD主题模型，并根据所述LAD主题模型以及词频矩阵计算患者的特征向量；S5、根据患者的ID合并所述患者的再住院标签集合、与患者健康相关的结构化数据以及所述患者的特征向量，并利用基于深度神经网络的多模型集成算法预测心血管疾病患者非计划再住院风险。
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电子科技大学;四川大学华西医院，未经电子科技大学;四川大学华西医院许可，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/201910643706.2/，转载请声明来源钻瓜专利网。
