【技术实现步骤摘要】
病历数据预测方法、装置及电子设备
本专利技术电子信息处理领域，具体而言，涉及一种病历数据预测方法、装置及电子设备。
技术介绍
随着电子病历系统的广泛采用，对病历数据进行准确的预测可以提高医疗护理质量。电子病历可以是由高维临床变量(例如诊断，用药、处理)组成的时间序列，其中每个时间序列包含一位患者的医疗访问记录。传统的机器学习工具只是简单地将高维临床变量统计集合到一起，忽略了医疗访问记录在时间和序列的特性，传统的病历数据预测结果的可解释性差。
技术实现思路
本专利技术的目的在于提供一种病历数据预测方法、装置及电子设备，用于提高病情预测结果的可解释性。第一方面，本专利技术实施例提供了一种病历数据预测方法，包括：获得患者的病历数据，所述病历数据包括至少一个访问向量，所述一个访问向量表征患者在第t个时间的问诊结果，其中，所述t是正整数；基于时间和所述病历数据中的访问向量，获得正序序列数据和逆序序列数据；基于所述正序序列数据获得正序注意力数据，基于所述逆序序列数据，获得逆序注意力数据...
【技术保护点】
1.一种病历数据预测方法，其特征在于，包括：/n获得患者的病历数据，所述病历数据包括至少一个访问向量，所述一个访问向量表征患者在第t个时间的问诊结果，其中，所述t是正整数；/n基于时间和所述病历数据中的访问向量，获得正序序列数据和逆序序列数据；/n基于所述正序序列数据获得正序注意力数据，基于所述逆序序列数据，获得逆序注意力数据，所述正序注意力数据表征所述访问向量在所述病历数据中基于时间正序的重要程度，所述逆序注意力数据表征所述访问向量在所述病历数据中基于时间逆序的重要程度；/n基于所述病历数据、所述正序注意力数据和所述逆序注意力数据，获得患者的病情预测结果。/n
【技术特征摘要】
1.一种病历数据预测方法，其特征在于，包括：
获得患者的病历数据，所述病历数据包括至少一个访问向量，所述一个访问向量表征患者在第t个时间的问诊结果，其中，所述t是正整数；
基于时间和所述病历数据中的访问向量，获得正序序列数据和逆序序列数据；
基于所述正序序列数据获得正序注意力数据，基于所述逆序序列数据，获得逆序注意力数据，所述正序注意力数据表征所述访问向量在所述病历数据中基于时间正序的重要程度，所述逆序注意力数据表征所述访问向量在所述病历数据中基于时间逆序的重要程度；
基于所述病历数据、所述正序注意力数据和所述逆序注意力数据，获得患者的病情预测结果。
2.根据权利要求1所述的方法，其特征在于，在所述基于时间和所述病历数据中的访问向量，获得正序序列数据和逆序序列数据之前，所述方法还包括：
调整所述病历数据中的访问向量的维度至预设的维度值，以使所述病历数据中的访问向量的维度一致。
3.根据权利要求1或2任一项所述的方法，其特征在于，所述基于所述正序序列数据获得正序注意力数据，基于所述逆序序列数据，获得逆序注意力数据，包括：
将所述正序序列数据和所述逆序序列数据输入循环神经网络中，分别获得所述病历数据的正序预测数据和逆序预测数据；
基于所述正序预测数据获得正序注意力数据，基于所述逆序预测数据获得逆序注意力数据。
4.根据权利要求3所述的方法，其特征在于，所述正序预测数据包括至少一个与所述病历数据中的第i个访问向量对应的正序预测向量，所述逆序预测数据包括至少一个与所述第i个访问向量对应的逆序预测向量，所述i为正整数；
基于所述正序预测数据获得正序注意力数据，基于所述逆序预测数据获得逆序注意力数据，包括：
基于所述正序预测数据中的每个正序预测向量，获得于所述每个正序预测向量对应的正序注意力向量，所述正序注意力向量构成所述正序注意力数据；
基于所述逆序预测数据中的每个逆序预测向量，获得于所述每个逆序预测向量对应的逆序注意力向量，所述逆序注意力向量构成所述逆序注意力数据。
5.根据权利要求4所述的方法，其特征在于，所述基于所述正序预测数据中的每个正序预测向量，获得于所述每个正序预测向量对应的正序注意力向量，包括：
调整所述每个正序预测向量的维度，获取调整维度后的每个正序预测向量的第...
【专利技术属性】
技术研发人员：张建业，殷鹏，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东;44
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。