基于时间序列可解释组合框架的早期入院死亡率预测方法技术

本发明专利技术公开了基于时间序列可解释组合框架的早期入院死亡率预测方法，提出了一种新颖的可解释预测框架—TimesNet‑TSR‑CoMTE，在MIMIC‑III数据集上进行基准实验，其中采用TimesNet模型进行住院死亡率时间序列分类的预测，并使用两步时间显著性TSR方法，识别时变的特征重要性和例如呼吸率、收缩期血压等最关键的影响因素。最后，引入CoMTE反事实解释方法提出如何干预最重要的特征，为医疗决策者提供建议。本方案提出了更适应临床时间序列数据的可解释性方法，为临床干预提供参考。

【技术实现步骤摘要】

本专利技术涉及医疗风险分析，尤其涉及基于时间序列可解释组合框架的早期入院死亡率预测方法。

技术介绍

1、医疗风险分析方案中，建模分析和预测重症监护室病人的院内死亡率是至关重要的。它直接关系到患者的生命和健康，而准确的死亡率预测可以帮助医护人员及时采取必要的治疗措施，提高患者的生存率和康复率。院内死亡率预测涉及对患者健康状况、疾病严重程度、治疗和许多其他方面的全面评估，以预测患者在住院期间可能面临的死亡风险。因此，这项预测任务对医疗保健政策制定者、医生、患者及其家人至关重要。目前，许多方案都集中在院内死亡率预测上，尤其是重症监护病房(icu)内的风险。大多数方案都基于公开的mim ic数据库，并使用各种神经网络模型进行预测。具有代表性的传统的长短期记忆(lstm)和更复杂的定制结构，如tdsc-caff、lgtrl-de等，不断用于这个问题。

2、目前的方案已经充分证明，入院死亡风险并非不可预测的，而是可以通过科学方法进行有效预测，但在当前的入院死亡率预测相关方案任务上仍有两方面的不足。首先，在入院死亡率预测任务中缺少应用最先进的计算模型。其次在本文档来自技高网...

【技术保护点】

1.基于时间序列可解释组合框架的早期入院死亡率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于时间序列可解释组合框架的早期入院死亡率预测方法，其特征在于，所述步骤S1中，ICU入院数据排除标准包括：

3.根据权利要求1所述的基于时间序列可解释组合框架的早期入院死亡率预测方法，其特征在于，所述步骤S2入院数据临床事件的处理包括以下步骤：

4.根据权利要求1所述的基于时间序列可解释组合框架的早期入院死亡率预测方法，其特征在于，所述TimesNet模型包括通过残差结构堆叠的多个TimesBlock，将一维变量变为二维变量并在二维空间提取各种...

【技术特征摘要】

1.基于时间序列可解释组合框架的早期入院死亡率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于时间序列可解释组合框架的早期入院死亡率预测方法，其特征在于，所述步骤s1中，icu入院数据排除标准包括：

3.根据权利要求1所述的基于时间序列可解释组合框架的早期入院死亡率预测方法，其特征在于，所述步骤s2入院数据临床事件的处理包括以下步骤：

4.根据权利要求1所述的基于时间序列可解释组合框架的早期入院死亡率预测方法，其特征在于，所述timesnet模型包括通过残差结构堆叠的多个timesblock，将一维变量变为二维变量并在二维空间提取各种时间变化，最后通过自适应融合将变量降为一维。

5.根据权利要求4所述的基于...

【专利技术属性】
技术研发人员：罗澜峻，尧智秋，袁政兴，王雪燕，
申请(专利权)人：川北医学院，
类型：发明
国别省市：