【技术实现步骤摘要】
【国外来华专利技术】在实体之间学习和应用背景相似性相关申请的交叉引用本申请要求于2017年4月20日提交的美国临时申请US62/487720的优先权和权益,通过引用将其全部内容并入本文。
本文描述的各种实施例总体上针对实体数据分析。更具体地,但非排他性地,本文公开的各种方法和装置涉及用于学习和应用实体背景相似性的技术。
技术介绍
已经开发了各种临床决策支持(“CDS”)算法来提供针对近期和/或长期患者恶化的风险评分。这些技术有助于更好地识别高危患者并给出恰当规划介入过程的临床时间。有时,这种治疗决策步骤由临床指南来确定。然而,指南不是个性化的且无法考虑所有可能的情况。相反,常常需要临床医生来做出决策并且他/她必须依赖于过去的经验。
技术实现思路
本公开内容针对用于学习和应用实体背景相似性的技术。例如,在各种实施例中,本文所述的技术可以由正在处置特定患者实体的临床医生(例如,医师、护士)、护理人员等使用以识别相似的其他患者,特别是在特定医学背景中相似的其他患者。通过识别其他背景相似的患者,临床医生能够了解哪种处置是有效的或无效的,哪种处置倾向于产生特定的结果等。本文描述了各种现场即时治疗决策支持工具(例如,由(一个或多个)处理器运行的软件),这些工具为临床医生提供了关于正在接受处置的患者(在本文中也被称为“查询患者”)的各种信息,包括与各种医学背景中的查询患者相似的其他患者(例如,共特征群体)。在各种实施例中,可以采用诸如人工智能(例如,深度学习、机器学习、内核分类、多内核学习等)和/或统计技术 ...
【技术保护点】
1.一种训练用于确定相似性的背景特异性模型的方法,所述方法包括:/n提供(602)多个模板相似性函数(118),其中,所述多个模板相似性函数中的每个模板相似性函数将查询实体特征向量的相应的特征子集与候选实体特征向量的对应的特征子集进行比较;/n提供(604)复合相似性函数(120)作为所述多个模板相似性函数的相应输出的加权组合;/n提供(606)第一多个标记的实体向量作为第一背景训练数据;/n应用(608)逼近函数,以针对所述第一背景训练数据的每个相应标记的实体向量,基于所述复合相似性函数的输出和所述第一背景训练数据的其他的标记的实体向量的相应第一背景标记来逼近针对相应标记的实体向量数据的第一背景标记;并且/n基于所述复合相似性函数来训练(610)第一背景特异性复合相似性函数,其中,训练所述第一背景特异性复合相似性函数包括基于所述逼近函数针对所述第一背景训练数据的所述应用的输出,使用第一损失函数来学习针对所述多个模板相似性函数的第一背景权重,其中,所述第一权重被存储以供用作所述第一背景特异性复合相似性函数的部分。/n
【技术特征摘要】
【国外来华专利技术】20170420 US 62/487,720;20171221 US 62/608,8781.一种训练用于确定相似性的背景特异性模型的方法,所述方法包括:
提供(602)多个模板相似性函数(118),其中,所述多个模板相似性函数中的每个模板相似性函数将查询实体特征向量的相应的特征子集与候选实体特征向量的对应的特征子集进行比较;
提供(604)复合相似性函数(120)作为所述多个模板相似性函数的相应输出的加权组合;
提供(606)第一多个标记的实体向量作为第一背景训练数据;
应用(608)逼近函数,以针对所述第一背景训练数据的每个相应标记的实体向量,基于所述复合相似性函数的输出和所述第一背景训练数据的其他的标记的实体向量的相应第一背景标记来逼近针对相应标记的实体向量数据的第一背景标记;并且
基于所述复合相似性函数来训练(610)第一背景特异性复合相似性函数,其中,训练所述第一背景特异性复合相似性函数包括基于所述逼近函数针对所述第一背景训练数据的所述应用的输出,使用第一损失函数来学习针对所述多个模板相似性函数的第一背景权重,其中,所述第一权重被存储以供用作所述第一背景特异性复合相似性函数的部分。
2.根据权利要求1所述的方法,还包括:
提供(612)第二多个标记的实体向量作为第二背景训练数据;
应用(614)所述逼近函数,以针对所述第二背景训练数据的每个相应标记的实体向量,基于所述复合相似性函数的输出和所述第二背景训练数据的其他的标记的实体向量的相应第二背景标记来逼近针对相应标记的实体向量数据的第二背景标记;并且
基于所述复合相似性函数来训练(616)第二背景特异性复合相似性函数,其中,训练所述第二背景特异性复合相似性函数包括基于所述逼近函数针对所述第二背景训练数据的所述应用的输出,使用第二损失函数来学习针对所述多个模板相似性函数的第二背景权重,其中,所述第二权重被存储以供用作所述第二背景特异性复合相似性函数的部分。
3.根据权利要求2所述的方法,其中,所述第一背景特异性复合相似性函数适用于后续查询实体特征向量和候选实体特征向量,以确定在第一医学背景中所述后续实体特征向量与所述候选实体特征向量之间的相似性度量;并且其中,所述第二背景特异性复合相似性函数适用于所述后续查询实体特征向量和所述候选实体特征向量,以确定在不同于所述第一医学背景的第二医学背景中所述后续实体特征向量与所述候选实体特征向量之间的另一相似性度量。
4.根据权利要求3所述的方法,其中,所述第一医学背景包括血液动力学稳定。
5.根据权利要求4所述的方法,其中,所述第二医学背景包括急性肾脏损伤。
6.根据权利要求1所述的方法,其中,提供所述多个模板相似性函数包括:
选择所述查询实体特征向量和所述候选实体特征向量共有的至少一个特征;
跨多个候选实体来确定针对所选择的特征的群体分布;
生成所述多个模板相似性函数中的给定的模板相似性函数,所述给定的模板相似性函数根据所述群体分布来计算具有在所述查询实体特征向量的选定特征值与所述候选实体特征向量的选定特征值之间的选定特征值的任何实体的累积概率得分。
7.根据权利要求6所述的方法,其中,基于所述查询实体特征向量和所述候选实体特征向量中的至少一个针对跨所述群体分布的其他实体的平均相似性得分对所述给定的模板相似性函数进一步进行标准化。
8.根据权利要求1所述的方法,其中,所述逼近函数包括内核平滑函数。
9.一种系统,包括一个或多个处理器以及与所述一个或多个处理器能操作地耦合的存储器,其中,所述存储器存储指令,所述指令响应于由一个或多个处理器对所述指令的运行而令所述一个或多个处理器执行以下操作:
提供(602)多个模板相似性函数(118),其中,所述多个模板相似性函数中的每个模板相似性函数将查询实体特征向量的相应的特征子集与候选实体特征向量的对应的特征子集进行比较;
提供(604)复合相似性函数(120)作为所述多个模板相似性函数的相应输出的加权组合;
提供(606)第一多个标记的实体向量作为第一背景训练数据;
应用(608)逼近函数,以针对所述第一背景训练数据的每个相应标记的实体向量,基于所述复合相似性函数的输出和所述第一背景训练数据的其他的标记的实体向量的相应第一背景标记来逼近针对相应标记的实体向量数据的第一背景标记;并且
基于所述复合相似性函数来训练(610)第一背景特异性复合相似性函数,其中,训练所述第一背景特异性复合相似性函数包括基于所述逼近函数针对所述第一背景训练数据的所述应用的输出,使用第一损失函数来学习针对所述多个模板相似性函数的第一背景权重,其中,所述第一权重被存储以供用作所述第一背景特异性复合相似性函数的部分。
10.根据权利要求9所述的系统,还包括执行以下操作的...
【专利技术属性】
技术研发人员:B·康罗伊,许敏男,A·拉赫曼,C·M·波特斯布兰东,
申请(专利权)人:皇家飞利浦有限公司,
类型:发明
国别省市:荷兰;NL
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。