本发明涉及医疗信息技术领域,涉及一种基于图表示学习的慢病风险预测方法;将结构化数据抽象为图数据,构建个人疾病网络表示患者个体;个人疾病网络中节点表示所患疾病,有向边的方向表示疾病出现的先后顺序,权值表示在患者个体的住院序列中,该有向边关联的有向疾病对出现的频率;通过词嵌入方法生成个人疾病网络中疾病节点的初始表示;并设计了一种集成图卷积和图池化的整图分类预测模型对个人疾病网络进行学习,生成对患者的嵌入表示。其中,图卷积层为多关系注意力卷积,可按照时序方向分别聚合节点的领域信息;图池化层为集成边权重的边收缩池化,可实现对个人疾病网络的层次化学习;最后,基于患者的嵌入表示实现对个体未来慢病风险的预测。
声明:
“基于图表示学习的慢病风险预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)