醫(yī)學(xué)臨床數(shù)據(jù)可視為患者在一次或多次住院過程中產(chǎn)生的一系列臨床事件的集合,包括藥物記錄、疾病診斷記錄、生理指標(biāo)、化驗(yàn)結(jié)果、非文字記錄（醫(yī)學(xué)影像、心電圖、錄音等）、既往史、遺傳史、診療費(fèi)用等,這些事件記錄在電子病歷中,其復(fù)雜性現(xiàn)已接近基因組規(guī)模,通過對(duì)多種臨床事件的分析,研究者能夠更加靈活地對(duì)患病風(fēng)險(xiǎn)進(jìn)行預(yù)測建模,對(duì)于疾病的早期發(fā)現(xiàn)和治療具有重要的意義。然而,正是由于臨床事件的復(fù)雜性和多樣性,如何更好地利用臨床事件對(duì)未來疾病進(jìn)行診斷預(yù)測尤其具有挑戰(zhàn)性。而醫(yī)學(xué)概念是指藥物記錄、疾病診斷記錄等蘊(yùn)含豐富語義信息的臨床事件,與血壓、血糖測量值等數(shù)據(jù)不同,醫(yī)學(xué)概念中隱含著大量語義關(guān)系,各種概念之間存在復(fù)雜的潛在聯(lián)系,如何更好地進(jìn)行醫(yī)學(xué)概念的表示學(xué)習(xí)是準(zhǔn)確把握患者信息的關(guān)鍵,對(duì)提高疾病預(yù)測精度尤為重要。目前,利用醫(yī)學(xué)概念展開疾病診斷預(yù)測主要面臨三個(gè)挑戰(zhàn):第一,醫(yī)學(xué)概念表示問題,即如何有效利用醫(yī)學(xué)概念隱含的語義信息。多數(shù)研究采用獨(dú)熱向量來對(duì)醫(yī)學(xué)概念進(jìn)行表示,使得輸入矩陣高度稀疏,同時(shí)造成豐富語義的丟失。第二,臨床事件時(shí)間依賴問題。時(shí)間信息對(duì)于患者病程發(fā)展尤為重要,相對(duì)早期事件,晚期事件更具價(jià)值。且臨床事... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 醫(yī)學(xué)概念表示學(xué)習(xí)
        1.2.2 臨床事件預(yù)測
    1.3 本文研究內(nèi)容及貢獻(xiàn)
        1.3.1 研究內(nèi)容
        1.3.2 本文貢獻(xiàn)
        1.3.3 結(jié)構(gòu)框架
第二章 基于語義和可變間隔遞歸網(wǎng)絡(luò)的醫(yī)學(xué)概念表示方法
    2.1 引言
    2.2 基于語義的醫(yī)學(xué)概念表示方法
        2.2.1 基于自然語言處理的語義表示
        2.2.2 融合子字信息的細(xì)粒度語義表示
    2.3 可變時(shí)間間隔長短時(shí)記憶網(wǎng)絡(luò)模型
        2.3.1 長短時(shí)記憶網(wǎng)絡(luò)
        2.3.2 基于時(shí)間間隔門控單元的長短時(shí)記憶網(wǎng)絡(luò)
    2.4 實(shí)驗(yàn)結(jié)果與分析
        2.4.1 實(shí)驗(yàn)數(shù)據(jù)
        2.4.2 評(píng)價(jià)指標(biāo)
        2.4.3 對(duì)比模型設(shè)置
        2.4.4 語義概念表達(dá)結(jié)果
        2.4.5 實(shí)驗(yàn)結(jié)果與分析
    2.5 本章小結(jié)
第三章 基于語義和時(shí)間卷積網(wǎng)絡(luò)的醫(yī)學(xué)概念表示方法
    3.1 引言
    3.2 基于時(shí)間卷積網(wǎng)絡(luò)的醫(yī)學(xué)概念預(yù)測
        3.2.1 一維全卷積網(wǎng)絡(luò)
        3.2.2 時(shí)間卷積網(wǎng)絡(luò)
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)
        3.3.2 模型參數(shù)
        3.3.3 評(píng)價(jià)指標(biāo)
        3.3.4 對(duì)比模型
        3.3.5 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第四章 基于異構(gòu)圖卷積的醫(yī)學(xué)概念表示方法
    4.1 引言
    4.2 圖網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 深度時(shí)控異構(gòu)圖卷積模型
        4.3.1 多維信息異構(gòu)圖
        4.3.2 異構(gòu)圖卷積
        4.3.3 基于時(shí)間-事件關(guān)系的編解碼預(yù)測
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)
        4.4.2 模型參數(shù)
        4.4.3 評(píng)價(jià)指標(biāo)
        4.4.4 對(duì)比模型
        4.4.5 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于圖卷積網(wǎng)絡(luò)的癌癥臨床結(jié)果預(yù)測的半監(jiān)督學(xué)習(xí)方法[J]. 寧世琦,郭茂祖,任世軍.  智能計(jì)算機(jī)與應(yīng)用. 2018(06)
[2]基于電子病歷系統(tǒng)的醫(yī)療質(zhì)量評(píng)價(jià)現(xiàn)狀與趨勢探討[J]. 葉全富,舒婷.  中華醫(yī)院管理雜志. 2018 (07)
[3]基于改進(jìn)深度信念網(wǎng)絡(luò)的心血管疾病預(yù)測研究[J]. 逯鵬,王玉辰,李奇航,劉艷紅,郭賽迪.  計(jì)算機(jī)應(yīng)用研究. 2018(12)
[4]基于彈性網(wǎng)-SVM的疾病診斷關(guān)鍵特征識(shí)別[J]. 梁麗軍,劉子先,王化強(qiáng).  計(jì)算機(jī)應(yīng)用研究. 2015(05)



本文編號(hào)：3470579