买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院沈阳计算技术研究所有限公司

摘要：本发明涉及一种基于循环神经网络的诊疗项目预测方法，包括：将清洗后的诊疗记录按照特定的时间间隔转化成诊疗记录序列；将每一个诊疗记录转化成独热码并用向量表示，并将每一条诊疗记录的最后一个时间间隔的诊疗记录作为预测目标，将其作为该条记录的标签，得到已标注的诊疗记录数据；挖掘规范的诊疗模式，并训练循环神经网络预测模型。在基于当前的诊疗序列预测后续的诊疗项目时，首先计算当前诊疗序列与规范诊疗模式的相似度，若规范则输入到预测模型中得到最终的预测结果。本发明弥补传统方法在数据特征处理方面的缺陷，提高了训练速度以及模型的准确率，而且在预测前先判断当前诊疗过程的规范性，达到了规范诊疗的目标，使预测结果更加合理。

主权项：1.一种基于循环神经网络的诊疗项目预测方法，其特征在于，包括以下步骤：获取诊疗记录数据，并对诊疗记录数据进行清洗；将清洗后的诊疗记录数据转换成向量形式的诊疗记录时间序列，并将该序列分为训练集、验证集和测试集；使用聚类算法，对诊疗记录时间序列进行处理，得到规范诊疗模式序列；使用诊疗记录时间序列构建诊疗项目预测模型；计算待检测诊疗记录时间序列与规范诊疗模式序列的相似度，若相似度大于阈值，则将待检测诊疗记录时间序列输入诊疗项目预测模型，得到最后一个时间间隔内诊疗项目发生的概率，否则，不对该待检测诊疗记录时间序列进行处理；所述使用诊疗记录时间序列构建诊疗项目预测模型，包括以下步骤：1构建基于门控循环单元的两层循环神经网络层；2构建以softmax函数作为分类器的循环神经网络预测模型输出层；3将诊疗记录时间序列输入到循环神经网络预测模型中；4根据预设的超参数进行训练，训练的过程中根据验证集的结果调整神经网络预测模型的超参数，所述的超参数为：优化器学习率、随机断开神经元的概率、权重衰减系数；5进行迭代训练预设的次数后，保存神经网络预测模型的超参数；输入测试集的数据，获得测试结果即每一个诊疗记录发生的概率；重复步骤3至5，直至模型收敛，即得到诊疗项目预测模型；所述构建基于门控循环单元的两层循环神经网络层具体为：zt＝σWzxt+Uzht-1+bzrt＝σWrxt+Urht-1+br 式中zt,rt分别表示循环神经网络中门控循环单元的更新门和重置门，表示记忆单元，ht表示隐藏层状态，xt表示诊疗记录序列X中第t个时间间隔的诊疗记录向量，W,U分别表示各层的权重矩阵，下角标z、r、h分别表示更新门、重置门、隐藏层，b表示各层的偏倚量，⊙表示矩阵的哈达马乘积，σ表示sigmoid函数，tanh表示tanh函数；所述构建以softmax函数作为分类器的循环神经网络预测模型输出层具体为： 式中H为疾病状态表示向量，T表示时间间隔的总数，Ws,bs分别表示权重矩阵和偏倚量，所述疾病状态表示向量为由向量形式的诊疗记录序列经过两层神经网络层后得到。

全文数据：

权利要求：

百度查询： 中国科学院沈阳计算技术研究所有限公司 一种基于循环神经网络的诊疗项目预测方法