【技术实现步骤摘要】
本申请属于医疗健康，特别涉及一种基于隐含知识增强的疾病预测方法、装置、设备以及介质。
技术介绍
1、在医疗健康领域，利用深度学习模型进行疾病预测已成为一个重要的研究方向，相对于传统的机器学习方法，深度学习模型可以从数据中学习复杂的特征和相关性，从而更加有效地进行疾病预测，而深度学习模型的可解释性直接关系到疾病预测结果的准确性和医疗决策的透明度。
2、目前，深度学习模型在疾病预测领域的应用主要包括传统疾病预测模型、可解释的疾病预测模型、知识增强的疾病预测模型以及融合相似患者的疾病预测模型。传统疾病预测模型通常采用无监督深学习方法，通过分析her(electronic health records，电子健康档案)数据预测患者的未来健康状况。可解释的疾病预测模型通常通过两个级别的神经网络注意力机制来处理her数据，其中一级注意力关注历史就诊的重要性，另一级注意力关注就诊中的关键诊断，最后通过rnn(recurrent neural network，循环神经网络)建模就诊记录，在保持预测准确性的同时提供了对预测结果的解释。或通过注意...
【技术保护点】
1.一种基于隐含知识增强的疾病预测方法，其特征在于，包括：
2.根据权利要求1所述的基于隐含知识增强的疾病预测方法，其特征在于，所述获取患者的历史就诊记录表征以及静态信息表征，根据所述历史就诊记录和静态信息表征计算患者综合表征，并利用所述患者综合表征训练得到骨干网络，具体为：
3.根据权利要求2所述的基于隐含知识增强的疾病预测方法，其特征在于，所述静态信息表征包括患者的性别信息sex(i)、年龄信息age(i)以及种族信息race(i)，所述对所述静态信息表征进行编码，具体为：
4.根据权利要求3所述的基于隐含知识增强的疾病预测方法...
【技术特征摘要】
1.一种基于隐含知识增强的疾病预测方法，其特征在于，包括：
2.根据权利要求1所述的基于隐含知识增强的疾病预测方法，其特征在于，所述获取患者的历史就诊记录表征以及静态信息表征，根据所述历史就诊记录和静态信息表征计算患者综合表征，并利用所述患者综合表征训练得到骨干网络，具体为：
3.根据权利要求2所述的基于隐含知识增强的疾病预测方法，其特征在于，所述静态信息表征包括患者的性别信息sex(i)、年龄信息age(i)以及种族信息race(i)，所述对所述静态信息表征进行编码，具体为：
4.根据权利要求3所述的基于隐含知识增强的疾病预测方法，其特征在于，所述将所有患者的历史就诊记录表征输入所述骨干网络，通过骨干网络计算得到患者表征矩阵，并使用余弦相似度筛选出与目标患者相似度最高的k个相似患者表征，具体为：
5.根据权利要求4所述的基于隐含知识增强的疾病预测方法，其特征在于，所述从所述历史就诊记录表征...
【专利技术属性】
技术研发人员：杨宗保，王如心，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：
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。