[发明专利]一种健康预测方法

权利要求书

1.一种健康预测方法，其特征在于，包括以下步骤：

S1获取原始医疗时序特征矩阵其中t∈{1,2,…,T_t}是时间步长的索引，x_t∈R^|C|表示对应时间步长t的原始医学特征向量，|C|表示原始医学特征的个数；

S2使用特征交互表示方法对x_t重新表达为使其包含特征交互信息，其中t∈{1,2,…,T_t}；

所述特征交互表示方法为可以提取到不同医学特征之间内在关系的方法；

S3使用综合信息提取方法提取时序数据序列的综合信息

所述综合信息提取方法是可以挖掘到具有时间序列属性的数据内在信息的方法，即提取不同时间步长医学特征之间的交互信息的方法；

S4使用分类方法对所述进行分类以实现健康预测。

2.根据权利要求1所述的方法，其特征在于，对所述x_t中每个原始医学特征值进行标准化。

3.根据权利要求2所述的方法，其特征在于，所述使用特征交互表示方法对x_t重新表达为使其包含特征交互信息，具体包括以下内容：

S21将所述x_t表示为x；

S22对所述x中第i个医学特征值x_i通过嵌入机制生成嵌入向量e_i；

S23通过下式进行不同医学特征之间的交互：

r_i,j＝e_i⊙e_j

其中，⊙表示嵌入向量e_i和e_j的元素积，r_i,j表示第i和j个所述医学特征之间产生的特征交互；

S24通过下式计算r_i,j相对于第i个特征的注意力权重：

其中，是模型需要训练的参数，是W^α的第i行向量，|C|表示所述原始医学特征的个数，e表示嵌入向量的维度，b_i是b的第i个元素值，α_i,j表示第i个医学特征和第j个医学特征生成的交互相对于第i个医学特征的注意力权重，T表示转置运算；

S25通过下式计算第i个医学特征与其他所有医学特征交互后的交互表示c_i：

S26通过下式获得第i个医学特征的全面表示f_i：

f_i＝p^TRelu([e_i；c_i])

其中，是模型需要训练的参数，d是压缩因子；[e_i；c_i]表示将e_i与c_i拼接，Relu()表示线性整流函数，T表示转置；

S27通过下式获得所述x的包含特征之间交互信息的全面表达：

4.根据权利要求3所述的方法，其特征在于，所述嵌入机制为通过下式进行双向嵌入：

其中，a和b分别表示预设的前向嵌入表达下限值和后向嵌入表达上限值，是两个嵌入矩阵，是分别对应于V^a,V^b的第i个嵌入向量，用于将所述医学特征值转换为向量，e表示嵌入向量的维度，|C|表示所述原始医学特征的个数，e_i表示第i个医学特征嵌入向量。