[发明专利]一种慢性病加重风险评估与告警系统

权利要求书

1.一种慢性病加重风险评估与告警系统，其特征在于，包括预处理模块，核心指标特征抽取模块，多维时序数据特征抽取模块和特征融合与预警模块；所述预处理模块对医学数据进行全面的预处理得到核心指标数据的历史序列和多维特征的历史数据；所述核心指标特征抽取模块建立了所述核心指标数据的历史序列中相邻时间点的时间间隔与长期记忆传递之间的关联，得到第一组基准特征；所述多维时序数据特征抽取模块对所述多维时序数据进行抽取得到第二组基准特征；所述特征融合与预警模块将所述第一组基准特征和第二组基准特征进行融合，然后进行预警分析。

2.如权利要求1所述的系统，其特征在于，所述预处理模块进行所述预处理的步骤为，步骤1，对离散数据和类别型数据进行one-hot编码数字化；步骤2，使用置信区间剔除异常值，对数字化数据进行降噪处理；步骤3，采用临近插值法填补缺失的所述降噪处理后的数据，然后进行标准化处理；步骤4，以等长可重叠切割的方式对所述标准化处理的数据进行处理，生成样本集，并分为核心指标数据的历史序列和其他多维特征的历史数据。

3.如权利要求2所述的系统，其特征在于，所述核心指标特征抽取模块通过改进的GRU神经网络的内部结构，处理核心指标时间序列，得到第一组基准特征，所述改进的GRU神经网络的内部结构包括时间衰减模块，在上一时刻记忆h_t-1向下层传递前，根据当前时刻与下一时刻的时间间隔长度，进行衰减，得到所述第一组基准特征，所述第一组基准特征包括慢性病的历史趋势，季节性，周期性。

4.如权利要求3所述的系统，其特征在于，所述多维时序数据特征抽取模块利用卷积神经网络对所述多维时序数据进行处理，其过程为，首先采用多组卷积核对所述多维时序数据在时间的维度和特征维度上做卷积操作，抽取同一特征不同时间点之间的时间依赖关系和不同的特征同一时刻的关联关系；然后让得到的各组特征经过ReLU激活函数，并做池化处理；最后经过全连接层，得到最终的特征。

5.如权利要求4所述的系统，其特征在于，所述特征融合与预警模块将两组特征做扁平化压缩处理，得到两个一维向量，将两个向量拼接，经过全连接层和激活函数得到评估风险值，最后将风险值和根据医学经验预先设定的阈值比较，判断是否给出告警。