本發明涉及醫療信息技術領域,涉及一種基于圖表示學習的慢病風險預測方法;將結構化數據抽象為圖數據,構建個人疾病網絡表示患者個體;個人疾病網絡中節點表示所患疾病,有向邊的方向表示疾病出現的先后順序,權值表示在患者個體的住院序列中,該有向邊關聯的有向疾病對出現的頻率;通過詞嵌入方法生成個人疾病網絡中疾病節點的初始表示;并設計了一種集成圖卷積和圖池化的整圖分類預測模型對個人疾病網絡進行學習,生成對患者的嵌入表示。其中,圖卷積層為多關系注意力卷積,可按照時序方向分別聚合節點的領域信息;圖池化層為集成邊權重的邊收縮池化,可實現對個人疾病網絡的層次化學習;最后,基于患者的嵌入表示實現對個體未來慢病風險的預測。
聲明:
“基于圖表示學習的慢病風險預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)