[发明专利]一种基于EHR中异构时态数据的学习方法

说明书

本发明公开了一种基于EHR中异构时态数据的学习方法，包括如下步骤，S1、将患者的EHR描述为由水平维度上的时间和垂直维度上的时间构成的时间矩阵；S2、将时间矩阵划分为多组时间序列，并将各时间序列通过SAX算法表示成符号序列；S3、使用生成的符号序列作为特征，采用原始序列方法、序列聚类方法和随机子序列方法分别建立预测模型；S4、评估使用原始序列方法、序列聚类方法和随机子序列方法分别建立的预测模型的预测性能，确定预测性能最好的预测模型。优点是：实现了将原始EHR数据转换为用标准机器学习算法直接处理的表格格式，允许直接应用任何标准机器学习算法；与基于单一表示的方法相比，该方法获取的预测模型的预测性能得到显著提高。

技术领域

本发明涉及预测模型领域，尤其涉及一种基于EHR中异构时态数据的学习方法。

背景技术

电子健康档案(EHR)包含日常临床活动中获得的大量纵向数据，EHR中综合病人病史构成了表型特征的可计算集合。在EHR中可以获得各种各样的数据类型，数据的异构类型提供了患者的整体视角，随时间收集的临床数据为患者提供了临床事件的轨迹，因此可以进行纵向分析。

目前，EHR数据的分析主要分为四类：共病性、患者聚类、机器学习和队列查询。其中，机器学习作为一种从大量EHR数据中获取有用信息的方法受到了广泛的关注，它们通常要求训练数据和测试数据都采用表格格式。然而，在不损失关键信息的条件下，EHR数据很少直接符合这种格式，标准机器学习算法不能直接从复杂的数据表中构建预测模型。因此将原始EHR数据转换为用标准机器学习算法直接处理的表格格式十分关键。

发明内容

本发明的目的在于提供一种基于EHR中异构时态数据的学习方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于EHR中异构时态数据的学习方法，包括如下步骤，

S1、将患者的EHR描述为由水平维度上的时间和垂直维度上的时间构成的时间矩阵；

S2、将时间矩阵划分为多组时间序列，并将各时间序列通过SAX算法表示成符号序列；

S3、使用生成的符号序列作为特征，采用原始序列方法、序列聚类方法和随机子序列方法分别建立预测模型；

S4、评估使用原始序列方法、序列聚类方法和随机子序列方法分别建立的预测模型的预测性能，确定预测性能最好的预测模型。

优选的，步骤S2中将各时间序列通过SAX算法表示成符号序列包括如下步骤，

给定时间序列T；

将时间序列T使用PAA算法获得实向量

将的每个值映射到使用高斯分布定义的离散符号，获取的离散表示。

优选的，所述PAA算法包括如下步骤，

给出固定参数w；

将时间序列T表示在w维空间中得到实向量

优选的，获取实向量的离散表示包括如下步骤，

定义一组α-1个分割点Β＝{β₁,...,β_α-1},使来自每对(β_i,β_i+1)高斯正态曲线下的面积等于1/a，其中α是字母表大小；

假设β₀＝-∞，β_α＝∞，得到分割点后，中的PAA系数将映射到符号的序列，获取实向量的离散表示。

优选的，采用原始序列方法建立预测模型包括如下步骤，

使用SAX算法将每个时间序列转换为符号序列；