基于電子病歷的深度神經(jīng)網(wǎng)絡(luò)預(yù)測模型研究與應(yīng)用.pdf

1、電子病歷中蘊含著海量的有價值信息，對電子病歷的挖掘可以極大的提高醫(yī)療診斷效率，提高臨床診斷的及時性、準確性，還可以降低醫(yī)療成本，為互聯(lián)網(wǎng)醫(yī)療提供便利。本文利用深度學(xué)習(xí)方法，通過建立深度神經(jīng)網(wǎng)絡(luò)來搭建預(yù)測模型，同時結(jié)合傳統(tǒng)的機器學(xué)習(xí)方法，在電子病歷匿名化、胎兒體重預(yù)測和疾病分類預(yù)測等方面進行了預(yù)測模型構(gòu)建的嘗試。本文的主要工作有：
　　（1）提出了基于文本骨架的循環(huán)神經(jīng)網(wǎng)絡(luò)匿名化模型，為電子病歷難以被研究者使用的難題提供了新的解決方

2、案。文本骨架是抽取出的電子病歷的文本結(jié)構(gòu)，它可以幫助循環(huán)神經(jīng)網(wǎng)絡(luò)更好的識別出隱私實體。本文在兩個英文數(shù)據(jù)集和一個中文數(shù)據(jù)集上對基于文本骨架的循環(huán)神經(jīng)網(wǎng)絡(luò)匿名化模型進行了實驗，結(jié)果表明文本骨架方法可以有效的提升神經(jīng)網(wǎng)絡(luò)的識別準確率。與現(xiàn)有的性能最優(yōu)的模型對比也證明文本骨架方法在匿名化任務(wù)中有優(yōu)異的表現(xiàn)。在中文數(shù)據(jù)集中文本骨架模型達到了近99％的識別準確率，在英文數(shù)據(jù)集中也達到了高于98%的識別準確率。
　　（2）針對胎兒體重預(yù)測任務(wù)

3、，提出了基于深度神經(jīng)網(wǎng)絡(luò)的胎兒體重預(yù)測模型。傳統(tǒng)的公式計算方法嚴重依賴于醫(yī)療領(lǐng)域知識和醫(yī)療經(jīng)驗，本文提出的基于深度神經(jīng)網(wǎng)絡(luò)的方法無需對參數(shù)進行人工選擇，只需大量訓(xùn)練數(shù)據(jù)即可訓(xùn)練出準確的預(yù)測模型。除此之外，本文還介紹了從電子病歷中提取參數(shù)的方法，以及針對數(shù)據(jù)缺失值補全的策略。實驗表明，基于深度神經(jīng)網(wǎng)絡(luò)的胎兒體重預(yù)測模型優(yōu)于公式預(yù)測方法與基于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的模型，降低了8.9%的預(yù)測誤差。進一步的分析還表明本文提出的缺失值補全方法能夠有效