-
公开(公告)号：CN113077901B
公开(公告)日：2022-05-10
申请号：CN202110348004.9
申请日：2021-03-31
Applicant: 厦门大学
Abstract: 本发明涉及一种电子病历分析装置和方法，包括：获取EHR数据中的疾病编码、医疗干预编码、住院类型和入院/出院时间；将获取的患者信息作为住院‑长短期记忆神经网络Care‑LSTM的输入，计算得到用于反映不同时间下诊疗记录关联性的权重系数αt和用于反映统一诊疗记录间的内在关联的权重系数βt；基于住院类型和住院间隔时间，得到权重系数rt；基于权重系数αt、βt和rt，得到总权重系数wt；将总权重系数wt与表征向量进行加权平均获得最终状态向量；将最终状态向量作为全连接层和激活函数的输入，获得ICU患者的死亡风险概率。本发明通过住院‑长短期记忆神经网络Care‑LSTM获得两组权重向量，使得分析结果更为准确。
-
公开(公告)号：CN113140273A
公开(公告)日：2021-07-20
申请号：CN202110349716.2
申请日：2021-03-31
Applicant: 厦门大学
Abstract: 本发明涉及一种基于深度学习的ICU患者电子病历分析方法及系统，包括：接收输入的ICD编码和药物向量，并将ICD编码和药物向量分别输入两个多层感知机，生成两个维度大小相同的隐藏层，并计算出两个隐藏层的相关性；基于初始化的稀疏系数，用KL散度计算稀疏系数和自编码器的中间层激活后神经元的平均激活程度的距离，并放入到损失函数；将隐藏层作为自编码器的中间层，使用一个多层感知机进行解码，输出包括多种药物的药方；基于初始化的加权矩阵，对输出的药方进行加权，将多开的药物作为药物损失放入损失函数。本发明通过获取患者ICD编码与药方的映射关系，挖掘出药物间的潜在关联，并给出推荐，具有较高的可靠性。
-
公开(公告)号：CN113140273B
公开(公告)日：2022-05-10
申请号：CN202110349716.2
申请日：2021-03-31
Applicant: 厦门大学
Abstract: 本发明涉及一种基于深度学习的ICU患者电子病历分析方法及系统，包括：接收输入的ICD编码和药物向量，并将ICD编码和药物向量分别输入两个多层感知机，生成两个维度大小相同的隐藏层，并计算出两个隐藏层的相关性；基于初始化的稀疏系数，用KL散度计算稀疏系数和自编码器的中间层激活后神经元的平均激活程度的距离，并放入到损失函数；将隐藏层作为自编码器的中间层，使用一个多层感知机进行解码，输出包括多种药物的药方；基于初始化的加权矩阵，对输出的药方进行加权，将多开的药物作为药物损失放入损失函数。本发明通过获取患者ICD编码与药方的映射关系，挖掘出药物间的潜在关联，并给出推荐，具有较高的可靠性。
-
公开(公告)号：CN113077901A
公开(公告)日：2021-07-06
申请号：CN202110348004.9
申请日：2021-03-31
Applicant: 厦门大学
Abstract: 本发明涉及一种电子病历分析装置和方法，包括：获取EHR数据中的疾病编码、医疗干预编码、住院类型和入院/出院时间；将获取的患者信息作为住院‑长短期记忆神经网络Care‑LSTM的输入，计算得到用于反映不同时间下诊疗记录关联性的权重系数αt和用于反映统一诊疗记录间的内在关联的权重系数βt；基于住院类型和住院间隔时间，得到权重系数rt；基于权重系数αt、βt和rt，得到总权重系数wt；将总权重系数wt与表征向量进行加权平均获得最终状态向量；将最终状态向量作为全连接层和激活函数的输入，获得ICU患者的死亡风险概率。本发明通过住院‑长短期记忆神经网络Care‑LSTM获得两组权重向量，使得分析结果更为准确。
-
-
-
Search Results
4
records
(took 0.02 seconds)
