發(fā)布時間：2021-06-07 16:05

　　伴隨著醫(yī)療行業(yè)信息化的發(fā)展,產(chǎn)生了越來越多的醫(yī)療健康數(shù)據(jù)。醫(yī)療健康大數(shù)據(jù)的挖掘與應(yīng)用也成為了必然趨勢。人們生活水平和健康意識的提高使得人們對疾病的治療和預(yù)防提出了更高的要求;國家也提出了疾病要以預(yù)防為主,強調(diào)要治未病。電子健康記錄（Electronic Health Records,EHR）中包含著患者的患病情況、治療信息以及人口統(tǒng)計學(xué)信息等。通過對這些數(shù)據(jù)的挖掘分析能夠完成疾病預(yù)測任務(wù),從而幫助醫(yī)生實現(xiàn)疾病的預(yù)防,提高醫(yī)療服務(wù)質(zhì)量。在利用電子健康記錄進(jìn)行疾病預(yù)測任務(wù)時仍存在著一些問題需要解決。首先是電子健康記錄中存在數(shù)據(jù)不一致問題,電子健康記錄中的診斷信息通過醫(yī)學(xué)代碼來進(jìn)行記錄。在進(jìn)行醫(yī)學(xué)代碼分配的過程中,社會歧視、編碼不規(guī)范等很多原因都會導(dǎo)致錯誤醫(yī)學(xué)代碼出現(xiàn),比如很多癲癇數(shù)據(jù)都被記錄為高熱驚厥。這種編碼錯誤會導(dǎo)致診斷信息和藥物信息數(shù)據(jù)不一致,影響最終的預(yù)測任務(wù)。此外,患者的歷史就醫(yī)信息本身數(shù)據(jù)量很大,并且是高維的時序數(shù)據(jù)。這些特性使得傳統(tǒng)的機器學(xué)習(xí)算法對數(shù)據(jù)的建模效果不佳。盡管已經(jīng)有研究人員將循環(huán)神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)模型應(yīng)用到疾病預(yù)測任務(wù)中,但仍然存在一些問題導(dǎo)致模型效果不是很理想。... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１疾病預(yù)測任務(wù)流程??９??

?山東大學(xué)碩士學(xué)位論文???性。一些數(shù)據(jù)的醫(yī)療特性與記錄不同。由于某些疾病通常與社會歧視相關(guān)，因??此醫(yī)生傾向于使用其他類似疾病來避免這種恥辱感。??癲癇患者?高熱驚厥患者??＃?０?像?▲?▲??＃?ｍ?ａ?Ｍ?ａ?Ａ??？?？？?▲▲?▲?▲??ｏ?ｍ?ａ??ｍ?．Ａ?？?Ａ?Ａ?Ａ??Ａ?Ａ?Ａ??■被醫(yī)生記錄為癲癇??Ａ被醫(yī)生記錄為高熱驚厥??圖２－２錯誤標(biāo)記示例??由歧視引起的典型醫(yī)療代碼錯誤是中國的癲癇病例，如圖２－２所示。癲癇??的發(fā)病率通常是根據(jù)每年１００，０００人中新發(fā)現(xiàn)的癲癇患者人數(shù)的比例來計算的。??根據(jù)世界衛(wèi)生組織的數(shù)據(jù)［３２】，高收入國家的發(fā)病人數(shù)是４９，低收入和中等收入??國家的發(fā)病人數(shù)是１３９。相比之下，中國的發(fā)病人數(shù)為２８．９。從以上數(shù)據(jù)可以??看出，中國癲癇的發(fā)病率明顯低于國外。但事實并非如此。癲癇病是一種常見??的中樞神經(jīng)系統(tǒng)疾玻國際癲癇局的調(diào)查顯示，中國許多父母或患者傾向于隱??瞞自己的病情［３３］。盡管在控制癲癇發(fā)作方面取得了進(jìn)展，但癲癇患者仍會遭受??恥辱和歧視Ｉ３４．３５】。因此，在ＥＨＲ數(shù)據(jù)中，高熱驚厥或其他相關(guān)疾病經(jīng)常被用來??代替癲癇作為診斷結(jié)果，如圖３－２所示。這將導(dǎo)致醫(yī)學(xué)特征和疾病名稱的不一??致，即醫(yī)學(xué)概念上的不一致。許多現(xiàn)有方法使用臨床記錄作為ＩＣＤ代碼的唯一??信息來源，這些方法通常使用自然語言處理來從臨床記錄中提取患者的癥狀、??用藥、疾病描述和其他相關(guān)信息。但是，如果醫(yī)生有意幫助患者掩蓋疾病，通??過臨床記錄很難正確提取準(zhǔn)確的疾病信息。這就導(dǎo)致醫(yī)學(xué)概念的不一致性是不??可避免的。??除了這類醫(yī)生故意產(chǎn)生的代碼錯誤之外，還

?山東大學(xué)碩士學(xué)位論文???＾Ｋｎｏｗｌｅｄｇｅ?ｂａｓｅ＾??，??ｅｍｂｅｄｄｉｎｇ?＇一＼??卜?ｎ?ｅ／?、?ｒｎ???１——、??ｘ２?￣￣｜?ｅ：，?、、〇ｉ???——??．．．－？?？?．．．?－二——？?ｊ／?－？尸一？ｙ????廠??＇丨???Ｐｎ－Ｉ????■Ｙ”＂?Ｑ－Ｑ?ｅ＾ｒ?’?ｆ，ｎ??ｙ，?Ｉ□口?ｅ”丨?丨??ｌ＾ｉ?Ｈ?ｈ：?ｊ??、—?Ｊ??圖３＊４ＫＥＡＭ模型結(jié)構(gòu)圖??３．２．２嵌入表示模塊??假設(shè)Ｃｄ表示唯一藥物代碼的數(shù)量，根據(jù)ｏｎｅ－ｈｏｔ編碼，每種藥物可以用Ｃｄ??維數(shù)的二進(jìn)制矢量表示。因此，藥物Ｄ，可以表示為－？個向量＼￡｛０，１｝＾１，只有??第ｉ維為１。如果在一次患者就診中醫(yī)生規(guī)定了?ｎ種藥物，則就診藥物信息可以??表示為大小為〃＼心的矩陣。??我們基于ＡＴＣ的內(nèi)部結(jié)構(gòu)，通過使用父節(jié)點和同級節(jié)點的信息來幫助葉子??節(jié)點學(xué)習(xí)嵌入。在我們的方法中，如圖３－５所示，僅將葉節(jié)點和父節(jié)點的信息??用作雙向ＧＲＵ?（Ｂｉ－ＧＲＵ）的輸入，這避免了在其他類型藥物上合并過多信息??并確保藥物表達(dá)的特異性。Ｂｉ－ＧＲＵ由前向ＧＲＵ和后向ＧＲＵ組成。他們分別??從正向和反向讀取輸入序列。我們通過將兩個ＧＲＵ的隱藏狀態(tài)結(jié)合在一起來獲??得藥物表示向量。??Ｑ２Ｅ３３Ｉ?＞?ｈ；?！?！ｉ２??＿＿＿＿?——??．．．?Ｃ０３ＣＡ０２??＞?ｈ｜?Ｉ?｜?ｈｉ?１????Ｖ?Ｊ??ＡＴＣ?Ｃｏｄｅ?Ｂｉ－ＧＲＵ??圖３－５?ＫＥＡＭ模型嵌入表示模塊??２１??

【參考文獻(xiàn)】：
期刊論文
[1]基于電子病歷大數(shù)據(jù)分析的疾病預(yù)測建模[J]. 陳可.  中國數(shù)字醫(yī)學(xué). 2018(03)
[2]基于電子病歷數(shù)據(jù)挖掘的疾病危重度動態(tài)預(yù)測研究[J]. 李季,丁鳳一,李翔宇.  信息資源管理學(xué)報. 2017(04)
[3]普適醫(yī)療信息管理與服務(wù)的關(guān)鍵技術(shù)與挑戰(zhàn)[J]. 吳信東,葉明全,胡東輝,吳共慶,胡學(xué)鋼,王浩.  計算機學(xué)報. 2012(05)
[4]BP神經(jīng)網(wǎng)絡(luò)在疾病預(yù)測中的應(yīng)用[J]. 王俊杰,陳景武.  數(shù)理醫(yī)藥學(xué)雜志. 2008(03)

碩士論文
[1]基于體檢數(shù)據(jù)的慢性疾病風(fēng)險預(yù)測研究[D]. 譚恒.鄭州大學(xué) 2016



本文編號：3216882