[发明专利]一种基于迁移学习的复合病种临床路径构建方法及系统

权利要求书

1.一种基于迁移学习的复合病种临床路径构建方法，其特征在于，包括如下步骤：

获取非临床路径产生的复合病种的多源异构医疗数据，根据ICD分类的临床路径模板对所述多源异构医疗数据进行预处理、结构化，得到由若干个复合病种中的单一病种数据集合组成的第一数据集；

将所述第一数据集按照同一病种的病人体征信息、医学分期、诊断信息、治疗评价进行聚类、特征提取，并对所述病人体征信息、医学分期、诊断信息、治疗评价的特征进行标注，构成第二数据集；

从第二数据集随机抽取一个病种数据集，记为第一病种数据集；将所述第一病种数据集的人体征信息标签、医学分期标签作为输入标签，医学分期、诊断信息作为输出标签训练时域卷积神经网络直至其误差低于阈值，得到第一时域卷积神经网络；

从第二数据集随机抽取另一个病种数据集合，记为第二病种数据集合；将所述第二病种数据集的人体征信息标签、医学分期标签作为输入标签，医学分期、诊断信息作为输出标签；根据最大均值差异算法对第一时域卷积神经网络进行调整和训练，直至其误差低于阈值，得到第二时域卷积神经网络；所述最大均值差异算法表示为：

，其中MMD[F，X ,Y]表示在希尔伯特空间下的第一病种数据集与第二病种数据集的距离，F为一个在样本空间上的连续函数集，X、Y分别代表第一病种数据集、第二病种数据集，k（）表示第一病种数据集样本或第二病种数据集样本的核函数,m表示第一病种数据集样本数,n表示第二病种数据集样本数，i、j为第一病种数据集或第二病种数据集任意两个不同样本的序号；

对所述第一时域卷积神经网络和第二时域卷积神经网络的输出进行融合、结构化，得到复合病种临床路径。

2.根据权利要求1所述的基于迁移学习的复合病种临床路径构建方法，其特征在于，所述获取非临床路径产生的复合病种的多源异构医疗数据，根据ICD分类的临床路径模板对所述多源异构医疗数据进行预处理、结构化，得到由若干个单一病种数据集合组成的第一数据集包括如下步骤：

按照ICD的病种分类和符合病种的标准模板的字段同一病种的数据进行结构化，按照其字段顺序和格式对数据集中文本、数据、图像进行清洗和筛选，剔除其中数据无法辨认或错误的部分。

3.根据权利要求1所述的基于迁移学习的复合病种临床路径构建方法，其特征在于，所述将所述第一数据集按照同一病种的病人体征信息、医学分期、诊断信息、治疗评价进行聚类、特征提取，并对所述病人体征信息、医学分期、诊断信息、治疗评价的特征进行标注，构成第二数据集包括如下步骤：

将所述第一数据集中到的同一病种的病人体征信息、医学分期、诊断信息、治疗评价进行根据欧式距离和K-means进行聚类和特征提取。

4.根据权利要求1所述的基于迁移学习的复合病种临床路径构建方法，其特征在于，所述第一时域卷积神经网络包括至少两个卷积隐藏层，至少一个卷积隐藏层的输出由设定个数的最新的标签数据确定，至少一个残差模块，以及一个卷积隐藏层的输出由全部标签数据确定。

5.根据权利要求1所述的基于迁移学习的复合病种临床路径构建方法，其特征在于，在所述对所述第一时域卷积神经网络和第二时域卷积神经网络的输出进行融合、结构化，得到复合病种临床路径之前还包括：

根据所述第一时域卷积神经网络和第二时域卷积神经网络构建生成式对抗神经网络。

6.根据权利要求5所述的基于迁移学习的复合病种临床路径构建方法，其特征在于，所述根据所述第一时域卷积神经网络和第二时域卷积神经网络构建生成式对抗神经网络包括如下步骤：

将第二时域卷积神经网络作为所述生成式对抗神经网络的生成网络，第一时域卷积神经网络作为所述生成式对抗神经网络的生成网络的判别网络。