基于Node2vec和知识注意力机制的诊断预测
诊断预测根据患者的历史健康状态预测未来的诊断信息,是个体化医疗决策的核心任务.电子健康记录是患者随时间推移的健康状况和临床护理的记录,它为诊断预测提供了丰富的纵向临床数据.然而,现有基于电子健康记录的诊断预测模型还不能完全了解隐藏的疾病进展模式;其次,细粒度诊断预测的性能很大程度上依赖于富含信息的特征.为了增强表达并改进学习,设计一种基于Node2vec和知识注意力的诊断预测模型.该模型基于Node2vec从医学本体的全局结构中捕捉潜在的医学知识并将诊断代码和分类代码映射为低维向量;利用分类代码嵌入向量对患者诊断的临床知识进行编码,进一步丰富患者细粒度健康状态的特征表示;设计一种知识注意力机制并与门控循环单元结合,将领域知识和电子健康记录进行融合,从患者历史健康状态中捕捉长期关联和疾病进展模式.在现实数据集上的实验结果表明,与最新方法相比,该模型显著地提高了预测性能.此外,结果表明Node2vec可以从医学本体捕捉到蕴含更多信息的医疗概念嵌入,知识注意力机制有助于促进外部知识和电子健康记录的有效融合.
电子健康记录;诊断预测;知识注意力;Node2vec;门控循环单元
48
TP391(计算技术、计算机技术)
国家自然科学基金项目;云南省教育厅科学研究基金
2021-11-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
630-637