[发明专利]一种急性肾损伤患者院内死亡率预测系统及方法

说明书

本发明提供一种急性肾损伤患者院内死亡率预测系统及方法，其中系统包括：数据输入单元，用于获取急性肾损伤患者的临床医疗数据，并将所述临床医疗数据输入至数据处理单元；数据处理单元，用于将所述临床医疗数据输入至预先训练好的神经网络算法模型，输出急性肾损伤患者院内死亡率的预测值。本发明提供的系统及方法，利用结构化的神经网络模型，有效避免了临床医疗数据的噪声值，提高了急性肾损伤患者院内死亡率预测的准确性。

技术领域

本发明涉及医疗数据挖掘技术领域，特别是涉及一种急性肾损伤患者院内死亡率预测系统及方法。

背景技术

急性肾损伤(Acute kidney injury，AKI)是住院患者的一种常见危重疾病，AKI通常用于定义肾功能突然下降的患者。虽然在过去几年，医疗技术都有所提升，但是在全球的范围内，AKI仍然是高发型疾病，并且死亡率较高。如果能够在早期发现并做出对应的治疗方案，可以很好地避免AKI患者的死亡。目前，依靠临床经验的方法判断AKI患者是否会发生院内死亡，准确率低，并且非常依赖于医生的经验。

发明内容

为解决上述技术问题，本发明提供一种急性肾损伤患者院内死亡率预测系统及方法，客观、准确地预测急性肾损伤患者院内死亡率。

本发明第一方面提供一种急性肾损伤患者院内死亡率预测系统，包括：

数据输入单元，用于获取急性肾损伤患者的临床医疗数据，并将所述临床医疗数据输入至数据处理单元；

数据处理单元，用于将所述临床医疗数据输入至预先训练好的神经网络算法模型，输出急性肾损伤患者院内死亡率的预测值。

进一步地，所述数据处理单元包括：

数据预处理模块，用于对所述临床医疗数据进行数据中的噪声数据及缺失数据进行清洗，对清洗后的数据进行特征提取，得到特征数据；

死亡率预测模块，用于根据所述特征数据进行急性肾损伤患者院内死亡率预测。

进一步地，所述对清洗后的数据进行特征提取，得到特征数据，包括：

建立第一神经网络模型，将清洗后的数据输入至所述第一神经网络模型，输出第一节点及第二节点；其中，所述第一节点为急性肾损伤患者院内死亡的概率，所述第二节点为急性肾损伤患者院内非死亡的概率；其中，所述第一神经网络模型的结构为四层结构；

初始化所述第一节点与第二节点之间的权重及偏置值，并设置所述第一神经网络模型中层与层之间的节点隐藏率为0.2；

根据第一神经网络模型算法对样本数据进行计算，得到特征数据。

进一步地，所述根据所述特征数据进行急性肾损伤患者院内死亡率预测，包括：

建立第二神经网络模型，将所述特征数据输入至所述第二神经网络模型，输入第三节点及第四节点；其中，所述第三节点为急性肾损伤患者院内死亡的概率，所述第四节点为急性肾损伤患者院内非死亡的概率；其中，所述第二神经网络模型的结构为五层结构；

初始化所述第三节点与第四节点之间的权重及偏置值，并设置所述第二神经网络模型中第一层与第二层之间的节点隐藏率为0.2，第二层与第三层之间的节点隐藏率为0.3，第三层与第四层之间的节点隐藏率为0.3，第四层与第五层之间的节点隐藏率为0.1；

根据第二神经网络模型算法对样本数据进行计算，当损失函数值低于损失阈值时停止计算，并输出急性肾损伤患者院内死亡率预测值。

进一步地，所述第一神经网络模型算法包括：

根据当前层的节点权重、偏置值计算目标层的节点输出；具体地，通过以下公式计算：