[发明专利]一种医疗时序数据医学特征交互表示方法

说明书

本发明涉及一种医疗时序数据医学特征交互表示方法，属于人工智能数据处理技术领域。包括以下步骤：S1获取原始医学特征向量x；S2对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；S3对不同医学特征的嵌入向量做交互r_i，j；S4对不同交互相对于其特征分配注意力权重α_i，j；S5将第i个医学特征与其他所有医学特征交互进行乘加后获得其交互表示c_i；S6将e_i与c_i拼接后做线性压缩获得第i个医学特征的全面表示f_i；S7将所有特征的全面表示拼接后得到x的全面表达。本发明能够分别处理各个医学特征从而保留特征的个性，同时又能够让其与交互作用更紧密的结合；因此，本发明方法能够有效地描绘出不同的异常模式，从而更好的区分患者不同的健康状态。

技术领域

本发明涉及一种数据处理方法，特别涉及一种医疗时序数据医学特征交互表示方法，属于人工智能数据处理技术领域。

背景技术

医疗保健分析旨在通过数据驱动的方法分析各种医疗保健数据，从而帮助医疗保健决策并提供个性化的治疗建议，从而改善患者管理。随着卫生信息化建设的进步和大数据的发展，国际科研工作者对医疗大数据的保存和挖掘研究有了越来越高的重视度和参与度，其中电子健康记录(EHR)是用于医疗保健分析的重要数据源之一。电子健康记录包含了多种形式的信息，比如人口统计信息(如年龄、性别、身高、出入院时间、是否死亡等)、患者的动态医疗信息(如生命体征、化验结果、用药情况等)、生物图像信息(超声波图像、核磁共振检测图像、CT图像等)。但是EHR也存在着一些不可忽视的问题，例如数据时间不规则性，数据异质性，数据嘈杂，数据维度高等。这些问题大大阻碍了从EHR数据挖掘创造价值的过程。为了解决这些问题，医疗研究人员提出了各种深度学习模型来更好地表达患者的病情，从而提高模型的分析性能(如准确率等)。而在医疗保健分析模型的设计中，医学特征之间的交互作用对于反映患者的健康状况至关重要。我们以糖尿病为例。糖尿病已经成为了全世界最严重的代谢疾病之一。

为了防止该糖尿病患者的病情继续恶化，临床医生总会经常检查该患者的血糖值(Glucose)以及其他和糖尿病相关的医学特征(如PH值，乳酸值(Lactate)，酮酸值(Keto-acid)等)，从而判断患者是否出现严重并发症。观测过程中，患者的血糖值从t₂开始持续增长，此时临床医生将立即对患者进行相关医学检测并根据不同的症状来判断是否出现并发症，比如普通糖尿病患者只患有高血糖症状。出现糖尿病酮酸性中毒(DKA)并发症的糖尿病患者会在高血糖的同时出现低PH值和高酮酸值的症状。此外，出现糖尿病如酸性中毒(DLA)的糖尿病患者则是会同时出现高血糖、低PH值、高乳酸值的症状。与普通的糖尿病患者相比，拥有这两种急性并发症的患者健康状况更差，而且DLA急性并发症说明了患者的病情已经严重恶化，并且死亡率较高。从中，我们可以发现相同的异常值可以指示不同的健康状况，而这可以由其他密切相关的医学特征(如PH值，酮酸值，乳酸值)反映出来。因此，医学特征之间的相互作用可以详细描述不同的异常模式，从而可以为医学特征生成更多的信息。

关于交互信息的表达，一般使用FM模型(Rendle,S.(2010,December).Factorization machines.In 2010IEEE International Conference on Data Mining(pp.995-1000).IEEE.)，但将其用于拥有时间序列属性的EHR数据是一件困难的事情，原因有以下三个：

1.基于FM的模型将信息简单地分为两个部分，即原始特征部分和特征交互部分。这种粗力度的划分无法给原始特征及其对应的特征交互之间建立紧密的联系；

2.这些模型没有考虑EHR数据的时间序列属性，仅仅使用两个单独的标量来作为每个时刻内医疗数据的最终表示不足以捕获特定时刻内医学特征之间的复杂关系；