[发明专利]一种级联医疗观测数据的因果推断方法及系统

权利要求书

1.一种级联医疗观测数据的因果推断方法，其特征在于，包括：

获取级联医疗观测数据，并从所述级联医疗观测数据中抽取第一变量和第二变量；

以因果关系中的原因、级联结构中每个深度对应的中间变量以及因果关系中的结果为参数，建立改进后的级联非线性加性噪声模型；

针对所述改进后的级联非线性加性噪声模型，构造边缘对数似然函数；

对所述边缘对数似然函数进行对抗变分解，并利用近似后验分布方法优化得到所述边缘对数似然函数对应的变分下界；

以所述第一变量作为因果关系中的原因，以所述第二变量作为因果关系中的结果，利用预置的对抗训练模型求解最大化的所述变分下界，得到第一变分下界值；以所述第二变量作为因果关系中的原因，以所述第一变量为作为因果关系中的结果，利用所述对抗训练模型求解最大化的所述变分下界，得到第二变分下界值；

将所述第一变分下界值与所述第二变分下界值进行比较，得到比较结果，并根据所述比较结果，确定所述级联医疗观测数据的因果方向。

2.根据权利要求1所述的级联医疗观测数据的因果推断方法，其特征在于，所述改进后的级联非线性加性噪声模型的表达式为：

Z₁＝f₁(X；θ)+ε₁

Z_T＝f_T(Z_pa(T)；θ)+ε_T

Y＝f_T+1(Z_pa(y)；θ)+ε_y

式中，T代表级联结构的深度，X代表因果关系中的原因，Z_T代表级联结构中每个深度对应的中间变量，Y代表因果关系中的结果，f＝{f₁，f₂......，f_T}代表一组非线性函数，θ代表因果关系中的参数，ε_T代表级联结构中每个深度对应的加性噪声，Z_pa(T)代表在级联结构中Z_T的前一个深度对应的中间变量，Z_pa(y)代表在级联结构中最后一个深度对应的中间变量，ε_y代表从Z_pa(y)到Y的加性噪声。

3.根据权利要求2所述的级联医疗观测数据的因果推断方法，其特征在于，所述边缘对数似然函数的表达式为：

式中，p_θ()代表似然函数，xⁱ代表X中的第i个数据点，yⁱ代表Y中的第i个数据点，z代表中间变量，其中，i＝1,2,3…m，m代表数据点的个数。