[发明专利]一种电子病历分析装置和方法

权利要求书

1.一种电子病历分析装置，其特征在于，包括：

患者信息获取单元，用于获取EHR数据中的疾病编码x_t、医疗干预编码p_t、住院类型m_t和入院/出院时间；分别将离散的疾病编码x_t和医疗干预编码p_t映射到连续分布高维空间，得到患者诊疗记录的表征向量X_t和P_t；基于入院/出院时间，获得住院间隔时间△t；其中的各变量的下标t表示t时刻的变量；

处理单元，用于将获取的患者信息作为住院-长短期记忆神经网络Care-LSTM的输入，计算得到用于反映不同时间下诊疗记录关联性的权重系数α_t和用于反映统一诊疗记录间的内在关联的权重系数β_t；基于住院类型m_t和住院间隔时间△t，计算得到权重系数r_t；基于权重系数α_t、β_t和r_t，计算得到总权重系数w_t；将总权重系数w_t与表征向量X_t进行加权平均获得最终状态向量将最终状态向量作为全连接层和激活函数的输入，获得ICU患者的死亡风险概率；

所述住院-长短期记忆神经网络Care-LSTM包括遗忘门f_t、输入门i_t和输出门o_t，分别表示如下：

o_t＝σ(W_o·X_t+U_o·h_t-1+P_o·P_t+b_o)

其中，σ表示sigmoid激活函数；W_i表示疾病变量对t时刻细胞输入的贡献程度；U_i表示t-1时刻的潜在状态对t时刻细胞输入的贡献程度；h_t-1表示t-1时刻输出的潜在状态；b_i表示t时刻细胞输入的偏差值；W_f表示疾病变量对t时刻细胞遗忘量的贡献程度；U_f表示t-1时刻的潜在状态对t时刻细胞遗忘量的贡献程度；P_f表示医疗干预变量对t时刻细胞遗忘量的贡献程度；Q_f表示住院变量对t时刻细胞遗忘量的贡献程度；b_f表示t时刻细胞遗忘量的偏差值；表示相邻住院间隔时间内的住院变量；W_o表示疾病变量对t时刻细胞输出的贡献程度；U_o表示t-1时刻的潜在状态对t时刻细胞输出的贡献程度；P_o表示医疗干预变量对t时刻细胞输出的贡献程度；b_o表示t时刻细胞输出的偏差值；△_t-1:t表示相邻住院间隔时间；

将获取的患者信息作为住院-长短期记忆神经网络Care-LSTM的输入，计算得到用于反映不同时间下诊疗记录关联性的权重系数α_t，具体包括：

在诊疗记录的层面上，通过住院-长短期记忆神经网络Care-LSTM和Softmax函数学习到处于0～1的权重向量α_t，具体如下：

g_t＝Care_LSTM([X_t；P_t；m_t；△_t-1:t])

其中，g_t∈R^p，表示从住院-长短期记忆神经网络Care-LSTM输出的第t时刻的隐藏层；参数W_α∈R^p表示实数空间R中维度为p的向量；b_α∈R表示偏差值，为标量；

将获取的患者信息作为住院-长短期记忆神经网络Care-LSTM的输入，计算得到用于反映统一诊疗记录间的内在关联的权重系数β_t，具体包括：

在疾病层面上，通过住院-长短期记忆神经网络Care-LSTM和tanh函数学习到处于-1～1的权重系数β_t，其中负数表示存在抑制关系，具体如下：

e_t＝Care_LSTM([X_t；P_t；m_t；△_t-1:t])

β_t＝tanh(W_βe_t+b_β)

其中，e_t∈R^q，表示从住院-长短期记忆神经网络Care-LSTM输出的第t时刻的隐藏层，参数W_β∈R^p×q，表示实数空间R中维度p×q的权重矩阵；b_β∈R^d，表示实数空间R中维度为d维的偏差向量；

基于住院类型m_t和住院间隔时间△t，计算得到权重系数r_t，具体如下：

r_t＝[m_t+log(1+△_t:T)]^-1

其中，r_t∈R^d表示自定义的d维调和权重向量，△_t:T表示第t次记录入院时间距离最后一次记录出院的天数。