10.19678/j.issn.1000-3428.0066133
基于双通道混合神经网络的房颤风险预测模型
心房颤动是一种具有隐秘性的心血管疾病,发病时具有较高的致命性,因此,对其进行预判和早筛尤为重要.电子健康病历(EHR)作为常规的检查结果记录方式,相较于心电图(ECG)数据,能使房颤的预测和筛查更具普遍性.现有的基于EHR的房颤风险预测方法缺乏对房颤重要指标的关注,同时传统的基于卷积的模型无法提取到医疗诊断之间的依赖关系.提出一种双通道混合神经网络学习模型FR-ANN.该模型分两个通道进行特征提取,一个通道利用注意力机制Attention提取医疗事件之间的潜在关系,另一个通道对房颤的部分重要指标进行特征提取,这些与房颤相关的重要指标在医生的协助下筛选得到.实验结果表明,所提模型在武汉亚洲心脏病医院的私有数据集上的AUC值为80.1%,F1值为68.1%,在MIT的公共数据集MIMIC-Ⅲ上的AUC值为71.4%,F1值为62.8%,相比基于EHR数据的疾病风险预测模型在房颤风险预测任务上的表现更好.此外,注意力机制的引入提供了事后可解释性,具有临床意义.
心房颤动、疾病分类、电子健康病历、注意力机制、神经网络
49
TP391(计算技术、计算机技术)
国家自然科学基金;武汉市重点研发计划;武汉市知识创新专项曙光计划项目
2023-11-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
293-301