[发明专利]一种使用自注意力机制的疾病预测方法

权利要求书

1.一种使用自注意力机制的疾病预测方法，其特征在于，构建基于注意力机制的疾病预测模型，包括步骤：

S10，将一个时间段的气候数据输入到第一LSTM网络中进行数据分析和特征提取，获得特征向量h₁；

S20，将同样时间段内的医院就诊数据输入到第二LSTM网络中进行数据分析和特征提取，获得特征向量h₂；

S30，将患者的体检数据，与特征向量h₁和h₂进行拼接，输入到MLP多层感知器中，对多源数据进行分析，并提取特征向量h_MLP；

S40，使用改进自注意力机制，对特征向量h_MLP进行特征筛选，获取重要程度较高的特征向量h_Att；

S50，将h_Att输入到一层全连接层网络FC，获取最终预测结果。

2.根据权利要求1所述的一种使用自注意力机制的疾病预测方法，其特征在于，构建数据集作为疾病预测模型的输入数据，疾病预测模型的每条输入数据包括一位患者就诊的体检数据，以及就诊当天的前t天的气候数据和前t天的医院数据，该条数据的标签为医院诊断的患病情况。

3.根据权利要求2所述的一种使用自注意力机制的疾病预测方法，其特征在于，构建数据集，数据集包含气候数据、医院就诊数据和患者的体检数据；

定义气候数据集D₁，包含地区或城市的一段时间T天内的气候数据，即D₁中包含T天的数据，每天的气候数据包括温度、湿度、空气质量以及风力数据；

定义医院数据集D₂，包含地区或城市的相同时间T天内的一家或多家医院数据，即D₂中包含T天的数据，每天的医院数据包括当天某种疾病的就诊人数和该疾病相关药物的销售量数据；

定义体检数据集D₃，包含患者进行体检的数据，包括患者的年龄、身高、体重以及其他生化检测数据。

4.根据权利要求1所述的一种使用自注意力机制的疾病预测方法，其特征在于，第一LSTM网络和第二LSTM网络结构相同，包括遗忘门、输入门、输出门以及细胞状态。

5.根据权利要求1所述的一种使用自注意力机制的疾病预测方法，其特征在于，将患者的体检数据，与特征向量h₁和h₂进行拼接，得到新的特征向量h_in，公式：

h_in＝contact[x_in，h₁，h₂]；

其中，x_in为该患者的体检数据。

6.根据权利要求5所述的一种使用自注意力机制的疾病预测方法，其特征在于，将新的特征向量h_in输入到多层感知机中得到输出结果h_MLP；

其中多层感知机包含l层，第i层有n_i个神经元，l和n_i为超参数；因多层感知机的输出层有n_l个神经元，所以h_MLP的维度为n_l×1。