(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211486609.5 (22)申请日 2022.11.23 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 吴健　陈江华　徐红霞　钱思忆　 楼晓伟　陈晋泰　姚曦　 (74)专利代理 机构 杭州天勤知识产权代理有限 公司 33224 专利代理师 曹兆霞 (51)Int.Cl. G16H 50/30(2018.01) G06F 16/35(2019.01) G06F 40/284(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于时序数据的血透病人风险预测装置 (57)摘要 本发明公开了一种基于时序数据的血透病 人风险预测装置， 采用双 向GRU‑D网络以端到端 的方式来处理临床检查时序数据， 能够同时较好 地处理不均匀采样、 有较多缺失值的临床数据， 更好地捕捉病人临床数据的动态变化， 在此基础 上， 以临床检查时序数据、 图像诊断文字信息、 病 人个体特征信息这三种多模态信息作为数据源， 并采用深度学习依据数据源来提取临床检查表 征、 诊断表征 以及个体特征表征， 然后结合这三 个特征预测血透病人的死亡率， 这样提升死亡预 测的准确率和 效率， 为医生诊疗提供辅助， 对于 预测出潜在死亡的病人， 医生可以及时给与干 预， 从而优化医疗资源的干预。 权利要求书2页 说明书8页 附图2页 CN 115547502 A 2022.12.30 CN 115547502 A 1.一种基于时序数据的血透病人风险预测装置， 包括存储器、 处理器以及存储在所述 存储器中并在所述处理器上执行 的计算机程序， 其特征在于， 存储器存储有经过训练的血 透病人风险预测模型， 该血透病 人风险预测模型包括诊断表征提取单元、 个体特征表征提 取单元、 双向GRU ‑D网络、 临床检查表征提取单元以及预测单元， 所述处理器执行所述计算 机程序时实现以下步骤： 接收经过预处理的临床检查 时序数据、 图像诊断文字信 息、 病人个体特征信息， 临床检 查时序数据包括多个临床变量的时序数据； 对图像诊断文字信 息分词并转换为固定长度的向量后， 利用诊断表征提取单元基于 固 定长度的向量 提取诊断表征； 将病人个体特征信 息编码为初始向量后， 利用个体特征表征提取单元基于初始向量提 取个体特征表征； 利用包含多个GRU ‑D模块的双向GRU ‑D网络对临床检查时序数据进行插值处理并提取 隐藏状态， 包括： 在每个时间步对应的GRU ‑D模块中， 每个临床变量值经过注意力机制提取 重要特征， 并将重要 特征作为GRU ‑D模块的输入， 同时将表征 临床变量值是否存在的掩码作 为GRU‑D模块的输入， 还将临床变量值的月均值作为经验值， GRU ‑D模块基于输入的重要特 征、 掩码以及经验值结合第一衰减率进行插值处理后， 再结合上一时间步GRU ‑D模块输出的 隐藏状态和第二衰减率计算当前时间步的隐藏状态； 利用临床检查表征提取 单元基于双向GRU ‑D网络输出的隐藏状态提取临床检查表征； 利用预测单元基于诊断表征、 个体特征表征以及临床检查表征来预测血透病人的死亡 率， 实现血透病人风险预测。 2.根据权利要求1所述的基于时序数据的血透病人风险预测装置， 其特征在于， 所述临 床变量包括甲状旁腺激素血 红蛋白、 白细胞计数、 红细胞压积、 红细胞计数、 血小板压积、 血 小板计数、 透析前肌酐、 透析前尿素氮、 透析前尿素、 空腹血糖、 甘油三酯、 总胆固醇、 高密度 脂蛋白、 低密度脂蛋白、 透前钾、 透前氯、 透前钠、 透前磷、 透前钙、 透前镁、 白蛋白、 谷丙转氨 酶、 谷草转氨酶、 总胆红素、 碱性磷酸酶、 尿素清除指数； 所述图像诊断文字信息包括心脏彩超的诊断文本； 所述病人个 体特征信息包括身高、 体重、 性别、 初始透析年龄、 血 管通路类型。 3.根据权利要求1所述的基于时序数据的血透病人风险预测装置， 其特征在于， 对临床 检查时序数据进行预 处理包括： 针对每个临床 变量， 以天为单位， 并以一 天内多次测量数据 的平均值作为 一天的临床变量 值， 并对临床变量 值组成的时序数据进行全局归一 化操作。 4.根据权利要求1所述的基于时序数据的血透病人风险预测装置， 其特征在于， 采用 Doc2Vec无监督训练方式将图像诊断文字信息对应的分词转换为固定 长度的向量。 5.根据权利要求2所述的基于时序数据的血透病人风险预测装置， 其特征在于， 所述将 病人个体特征信息编码为初始向量， 包括： 统一身高、 体重的度量方式， 采用one ‑hot向量编 码性别， mult i‑hot向量编码血管通路类型， 编码后的向量与身高、 体重、 以及初始透析年龄 拼接得到初始向量。 6.根据权利要求1所述的基于时序数据的血透病人风险预测装置， 其特征在于， 所述诊 断表征提取单元、 个体特征表征提取单元以及临床检查表征提取单元采用全连接神经网 络。权　利　要　求　书 1/2 页 2 CN 115547502 A 27.根据权利要求1所述的基于时序数据的血透病人风险预测装置， 其特征在于， 所述预 测单元对诊断表征、 个体特征表征以及临床检查表征拼接后， 采用激活函数对拼接结果进 行激活计算以预测血透病人的死 亡率。 8.根据权利要求1所述的基于时序数据的血透病人风险预测装置， 其特征在于， 所述血 透病人风险预测模 型被应用之前需要 经过参数优化， 参数优化时， 采用的损失函数为Focal   Loss。 9.一种基于时序 数据的血透病人风险预测装置， 其特征在于， 包括接收模块、 预测模块 以及输出模块； 所述接收模块用于接收经过预处理的临床检查时序数据、 图像诊断文字信息、 病人个 体特征信息， 临床检查时序数据包括多个临床变量的时序数据； 所述预测模块用于利用经过训练的血透病人风险预测模型对接收数据进行血透病人 的死亡率的预测， 包括： 对图像诊断文字信息 分词并转换为固定长度的向量后， 利用诊断表 征提取单元基于固定长度的向量提取诊断表征； 将病 人个体特征信息编码为初始向量后， 利用个体特征表征提取单元基于初始向量提取个体特征表征； 利用包含多个GRU ‑D模块的 双向GRU‑D网络对临床检查时序数据进行插值处理并提取隐藏状态； 利用临床检查表征提 取单元基于双向GRU ‑D网络输出的隐藏状态提取临床检查表征； 利用预测单元基于诊断表 征、 个体特征表征以及临床检查表征来预测血透病人的死 亡率， 实现血透病人风险预测； 所述输出模块用于 输出血透病人的死 亡率。 10.如权利要求9所述的基于时序数据的血透病人风险预测装置， 其特征在于， 利用包 含多个GRU ‑D模块的双向GRU ‑D网络对临床检查时序数据进 行插值处理并提取隐藏状态， 包 括： 在每个时间步对应的GRU ‑D模块中， 每个临床变量值经过注意力机制提取重要特征， 并 将重要特征作为GRU ‑D模块的输入， 同时将表征 临床变量值是否存在的掩码作为GRU ‑D模块 的输入， 还将临床变量值的月均值作为经验值， GRU ‑D模块基于输入的重要特征、 掩码以及 经验值结合第一衰减率进行插值处理后， 再结合上一时间步GRU ‑D模块输出的隐藏状态和 第二衰减率计算当前时间步的隐藏状态。权　利　要　求　书 2/2 页 3 CN 115547502 A 3