[发明专利]一种基于多模态融合的疾病风险预测方法和系统

权利要求书

1.一种基于多模态融合的疾病风险预测方法，其特征在于，所述方法包括：

获取患者的EHR数据，包括结构化数据和非结构化数据；

将EHR数据输入疾病风险预测模型，得到疾病风险预测结果；

输出疾病风险预测结果；

其中，疾病风险预测模型执行步骤，包括：

提取结构化数据特征和非结构化数据特征；

融合结构化数据特征和非结构化数据特征，提取融合特征；

对融合特征进行决策，得到疾病风险预测结果；

提取非结构化数据特征包括：采用BERT对清洗后的非结构化文本数据进行特征提取；所述BERT由BERT Encoder组成，BERT Encoder由多层BERT Layer组成，每一层的BERTLayer均为Transformer中的Encoder Block；每一个encoder层包含两层，分别为自注意力机制层和前馈神经网络层；对于非结构化文本数据挖掘的模块，采用的是堆叠的Transformer编码器模块，分别得到词嵌入张量、语句分块张量和位置编码张量来提取到医学文本数据语义信息、句子信息和位置信息，计算得到文本病历的向量化表示；

提取融合特征的操作包括：将非结构化数据特征和结构化数据特征沿指定维度进行并联，采用SMOTE通过对少数类样本数据进行分析并新生成该类样本的方法来降低不平衡率，然后采用分段池化操作，提取得到融合特征；

进行预测时，将融合特征作为input输入到全连接层，然后通过Softmax分类器进行疾病风险预测；

采用交叉熵损失和合页损失的加权来共同约束疾病风险预测模型；交叉熵损失能够衡量同一随机变量中的两个不同概率分布的差异程度，交叉熵损失值越小，两个概率分布越接近；合页损失专用于二分类问题，合页损失不仅度量了模型对训练数据的拟合程度，而且通过加入正则化项度量了模型自身的复杂度，降低拟合风险。

2.根据权利要求1所述的方法，其特征在于，采用全卷积网络提取结构化数据特征。

3.根据权利要求1所述的方法，其特征在于，所述疾病风险预测模型在提取结构化数据特征和非结构化数据特征前还包括执行数据清洗的步骤。

4.根据权利要求3所述的方法，其特征在于，所述数据清洗包括对异常值的替换、采用均值对缺失值进行补全，以及删除脏数据。

5.根据权利要求3所述的方法，其特征在于，所述非结构化数据为文本。