基于深度神经网络的临床医疗预测模型研究

发布时间：2020-06-16 08:52

【摘要】：随着医疗信息技术的发展和应用,患者各种与健康相关的生理检测指标都记录在电子病历中,通过分析和挖掘电子健康记录,提取电子健康记录中不同检测指标信息的组合,可对病人健康状况做辅助分析,以提供进一步的医疗预测。而利用深度神经网络,可以更加精准地预测患者目前的身体情况,提供个性化诊断预测服务。因此,研究基于深度神经网络的临床医疗预测模型具有重要意义。论文围绕基于深度神经网络的临床医疗预测模型的方法展开研究,主要工作如下:(1)分析ICU临床医疗数据库,制作了四个预测任务数据集。针对数据量丰富、适用性广等要求,选择开放的MIMIC-Ⅲ数据库作为数据来源,分别制作了目前四个有意义且急迫需要解决临床医疗预测任务的数据集:病情恶化预测数据集、住院死亡率预测数据集、住院时长预测数据集、病症分类预测数据集。(2)将深度神经网络应用到临床医疗预测中,提出了三种基于深度神经网络的临床医疗预测模型,并进行了对比实验分析。基于PNN的临床医疗预测模型,考虑患者所有生理检测指标的组合,可以避免忽略掉一些决定患者身体状况十分重要的指标组合;基于Wide and Deep的临床医疗预测模型,考虑患者特征的低阶交叉,能记住对决定目前患者身体状况较为重要的生理检测指标;基于DeepFM的临床医疗预测模型,克服电子健康记录数据的稀疏性,能自动地提取生理检测指标组合特征,高效地构造交叉特征。与基准评估模型实验结果比较,Wide and Deep和DeepFM提高了病情恶化、住院死亡率和病症分类预测任务的效果。(3)对Wide and Deep模型进行改进,提出了一种基于Wide and Din的临床医疗预测模型。该模型使用局部激活机制,通过Wide与Din的联合训练,能够获得更好的预测效果。与基准评估模型的实验结果比较,该模型显著地提高了的病情恶化、住院死亡率和病症分类的预测效果。
【学位授予单位】：海南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;R-05
【图文】：

图１数据预处理流程图逡逑Ｆｉｇ．ｌ邋Ｔｈｅ邋Ｆｌｏｗ邋Ｃｈａｒｔ邋ｏｆ邋Ｄａｔａ邋Ｐｒｅｐｒｏｃｅｓｓｉｎｇ逡逑数据预处理过程如图１所示，数据库中存在记录的病人有４６４７６人，包含住院记逡逑录５７７８６条，重症监护病房记录６１５３２条。去除一部分缺失后，只保留同时具有住院逡逑记录和ＩＣＵ记录的病人及其住院记录和ＩＣＵ记录，其中有诊断事件２５３１１６８３３条，逡逑针对需要预测的四个子任务，只保留四个子任务的诊断事件。最后根据子任务所需的逡逑数据，为每个子任务划分出训练集和测试集。训练集和测试集中包含了病人按时间排逡逑序的生理检测指标记录

针对需要预测的四个子任务，只保留四个子任务的诊断事件。最后根据子任务所需的逡逑数据，为每个子任务划分出训练集和测试集。训练集和测试集中包含了病人按时间排逡逑序的生理检测指标记录，如图２所示。逡逑９逡逑

【参考文献】

相关期刊论文 前2条

1 张秀梅;徐建武;程煜华;杨公亮;;基于知识库的临床决策支持系统构建[J];中华医院管理杂志;2014年06期

2 洪文兴;翁洋;朱顺痣;李茂青;;垂直电子商务网站的混合型推荐系统[J];系统工程理论与实践;2010年05期

本文编号：2715825