一种基于时序模型心力衰竭不良事件预测方法及系统

    公开(公告)号:CN116230224A

    公开(公告)日:2023-06-06

    申请号:CN202211704625.7

    申请日:2022-12-29

    申请人: 扬州大学

    摘要: 本发明公布了一种基于时序模型心力衰竭不良事件预测方法及系统,首先,提取心力衰竭患者数据;接着对提取出的心力衰竭患者数据进行预处理提取出需要的变量;通过使用Fancyimpute工具对抽取出的数据进行缺失值补齐;用Bi‑LSTM来训练补齐好的数据学习患者的时序信息;用注意力机制来学习患者每次访问中不同变量的重要性;用对比损失函数作为训练的损失函数,解决数据不平衡问题,实现对心力衰竭患者不良事件的预测。本发明通过处理数据缺失值和使用对比损失来处理数据缺失和数据不平衡问题,更好的获得患者的表示,提高模型的预测性能,且更好的学习心力衰竭患者每次访问的时序信息和变量之间的关系,提高系统的可解释性,同时为医生的不良事件判断提供了可靠的依据。