技术领域
本公开属于计算机技术领域，尤其涉及一种基于病人与疾病二部图的再入院预测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
基于医疗数据进行再入院预测模型研究属于当下的热点技术，即预测病人在未来一段时间内是否会因某种特定的疾病再次入院的行为模型。再入院事件经常发生且费用高昂，给病人和医疗系统都带来了巨大的负担。再入院率作为衡量医疗服务质量的重要指标，越来越受到政府、医疗保险公司、医疗机构和病人的关注。因此，从数据分析的角度来处理再入院预测问题在研究领域受到越来越多的关注。精准的再入院预测不仅有助于病人了解自己的身体健康情况，指导健康生活行为。因此，如何建立一个模型去更加精准的预测病人再入院成为一个关键性问题。
发明人在研究中发现，回顾以往关于再入院预测的研究，大多数早期研究使用各种回归技术建立预测模型，近十几年来，决策树、支持向量机等机器学习算法在再入院预测中的应用日益广泛。最近，随着深度学习的兴起，人们使用深度学习中的循环神经网络或其变体，利用序列化的医疗健康记录进行再入院行为预测。
总之，目前处理再入院预测问题的方法一般是使用传统的机器学习分类算法，或者利用深度学习中的循环神经网络及其变体。然而，现有的这些方法大都只是利用病人自己的特征信息进行预测，很少考虑病人之间的潜在关联关系，使得预测效果针对相似人群的鲁棒性并不好，尤其是对于就医历史较短，即病例数据较少的病人很难进行再入院预测，因此，针对就医历史数据短，病例数据少的情况，如何进行再住院的行为预测是本申请所解决的技术问题。
发明内容
为克服上述现有技术的不足，本公开提供了一种基于病人与疾病二部图的再入院预测方法及系统，根据病人的医疗数据，构建病人与疾病二部图，基于嵌入生成算法进行再入院行为预测。
为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：
一方面，公开了一种基于病人与疾病二部图的再入院预测方法，包括：
获取病人的历史医疗数据，基于历史医疗数据，利用疾病的时间戳对每个病人的医疗事件进行序列化，得到所有病人的医疗事件序列集；
基于所有病人的医疗事件序列集，构造病人与医疗事件二部图，表达出病人的历史患病信息并建立患过同一疾病的病人之间的间接联系；
利用嵌入生成算法对病人与医疗事件二部图进行处理，得到每个病人的最终向量表示；
基于该最终向量表示预测病人的再入院行为。
进一步的技术方案，利用疾病的时间戳对每个病人的医疗事件进行序列化，每个疾病序列s
进一步的技术方案，构造病人与医疗事件二部图时，将所有病人作为二部图的病人节点集，将疾病集
另一方面，公开了一种基于嵌入生成算法的再住院行为预测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤，包括：
获取病人的历史医疗数据，基于历史医疗数据，利用疾病的时间戳对每个病人的医疗事件进行序列化，得到所有病人的医疗事件序列集；
基于所有病人的医疗事件序列集，构造病人与医疗事件二部图，表达出病人的历史患病信息并建立患过同一疾病的病人之间的间接联系；
利用嵌入生成算法对病人与医疗事件二部图进行处理，得到每个病人的最终向量表示；
基于该最终向量表示预测病人的再入院行为。
又一方面，公开了一种基于嵌入生成算法的再住院行为预测装置，包括：
数据序列化模块，被配置为：获取病人的历史医疗数据，基于历史医疗数据，利用疾病的时间戳对每个病人的医疗事件进行序列化，得到所有病人的医疗事件序列集；
二部图构建模块，被配置为：基于所有病人的医疗事件序列集，构造病人与医疗事件二部图，表达出病人的历史患病信息并建立患过同一疾病的病人之间的间接联系；
再入院行为预测模块，被配置为：利用嵌入生成算法对病人与医疗事件二部图进行处理，得到每个病人的最终向量表示；
基于该最终向量表示预测病人的再入院行为。
以上一个或多个技术方案存在以下有益效果：
本公开技术方案利用疾病的时间戳对每个病人的医疗事件进行序列化，得到所有病人的医疗事件序列集，基于所有病人的医疗事件序列集，构造病人与医疗事件二部图，二部图的表示形式压缩了原始数据使其更紧凑，从而有效解决了医疗数据的稀疏性问题，及就医历史数据短，病例数据少的问题，并且为每位病人的分散数据提供了一种病人与医疗事件二部图，能够全面的展示所有病人的病史情况。
以往的再入院预测方法大都只是利用病人自己的特征信息进行预测，并不好，尤其是对于就医历史较短，即病例数据较少的病人很难进行再入院预测。而本发明通过构建病人与疾病二部图，可以表达出病人的历史患病信息以及患同一疾病的病人之间的间接联系，从而利用其他潜在相关病人的特征信息来辅助进行再入院预测，提升预测效果。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为一种基于病人与疾病二部图的再入院预测方法流程图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
参见附图1所示，本实施例公开了一种基于病人与疾病二部图的再入院预测方法，根据病人的医疗数据构建病人与疾病二部图，通过病人与疾病二部图的嵌入生成算法得到病人最终向量表示，利用病人最终向量表示进行预测5。
具体包括：
步骤一：构建病人与疾病二部图，首先，从病人的就医历史中提取出所有疾病
具体的，计算边的权重公式如下：
e
步骤二：通过病人与疾病二部图的嵌入生成算法，为每个病人聚合来自疾病和潜在相关病人的信息，得到每个病人的最终向量表示。该算法逐层聚合每个节点的邻域信息，病人节点利用病人聚合模块聚合邻居节点特征信息，疾病节点利用疾病聚合模块聚合邻居节点特征信息，随着迭代的继续，病人节点和疾病节点将从病人与疾病二部图的更远处获得越来越多的信息。两类聚合模块的输入相同，都是两组节点特征，h
具体的，边的权重，病人聚合模块和疾病聚合模的公式如下：
1)边的权重更新公式：
其中，·
2)病人聚合模块：
3)疾病聚合模块：
其中
步骤三：利用聚合信息来预测病人的再入院情况。利用病人与疾病二部图嵌入生成算法，为每个病人聚合来自疾病和相关病人的信息，此步骤中，通过softmax层使用聚合信息来预测病人的再入院情况，softmax层
具体的计算过程如下：
1)使用病人最终向量z
y′＝softmax(z
2)损失函数可根据以下公式得到：
综上所述，通过本发明实施例，通过基于病人与疾病二部图的再入院预测方法来预测病人的再入院情况，考虑了病人之间的潜在关联关系，充分利用了病人的健康信息，提高了预测的准确性。
本实施例的目的是提供一种基于嵌入生成算法的再住院行为预测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例子的具体步骤。
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述实施例子的具体步骤。
本实施例的目的是提供了一种基于嵌入生成算法的再住院行为预测装置，包括：
数据序列化模块，被配置为：获取病人的历史医疗数据，基于历史医疗数据，利用疾病的时间戳对每个病人的医疗事件进行序列化，得到所有病人的医疗事件序列集；
二部图构建模块，被配置为：基于所有病人的医疗事件序列集，构造病人与医疗事件二部图，表达出病人的历史患病信息并建立患过同一疾病的病人之间的间接联系；
再入院行为预测模块，被配置为：利用嵌入生成算法对病人与医疗事件二部图进行处理，得到每个病人的最终向量表示；
基于该最终向量表示预测病人的再入院行为。
以上实施例的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本公开中的任一方法。
本领域技术人员应该明白，上述本公开的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本公开不限制于任何特定的硬件和软件的结合。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
机译： 式I化合物;药物组合物;治疗与去甲肾上腺素再摄取，5-ht6受体或5-ht2a受体相关或受其抑制的疾病的方法;一种治疗学习障碍，认知障碍，记忆障碍，人格障碍，行为障碍，运动障碍，神经退行性疾病，戒断药物，睡眠，进食障碍，急性药物毒性，心血管疾病的方法，性功能障碍，胃肠道疾病，泌尿生殖系统疾病，疼痛疾病，神经疾病或症状-血管舒缩;治疗阿尔茨海默氏病，注意力缺陷障碍，精神分裂症，帕金森氏病，迟发性运动障碍，共济失调，运动迟缓，阵发性运动障碍，不安腿综合征，震颤，原发性震颤癫痫，中风或头部外伤的方法;治疗冠状动脉疾病，心肌梗塞，短暂性脑缺血发作，心绞痛，心房颤动，p的方法
机译： 式i，ii和iii的化合物;治疗或预防方法：单胺再摄取可改善健康;至少一种血管舒缩症状;至少一种抑郁症;至少一种性功能障碍;用于预防疼痛;胃肠道或泌尿生殖系统疾病;慢性疲劳综合症纤维肌痛综合征精神分裂症和使用化合物
机译： 基于呼吸系统和心血管系统临床功能参数的稳定冠心病患者检测慢性阻塞性肺疾病的预测方法
