加入时间衰退因子以及注意力机制的时间序列的病情诊断预测。预测下一次住院就诊的病情的主要类型。
通过电子病历查看病人检查情况,根据不同症状出现的不同时间加入注意力机制,长记忆的权重不一定比短时间的权重低,根据症状的不同对当前病情产生的不同影响来确定权重(是否采用知识图谱或是其他方法?)
数据的无序性是如何体现的?
1.基本思想:
对于慢性病的注意力权重高于急性症状的注意力权重。
2.DATASET:
SEERMedicare Medical claim 161,366 确诊乳腺癌的老年人(2000-2010)
3.FRAMEWORK:
1)将无序的原始数据转换成连续的向量空间;
c->e 将无序的医学代码转换到连续的向量空间中。e是M维的向量,v是访问者的M维的向量表示;
2)在连续向量空间中加入注意力机制;
根据的是文本的上下文信息采用注意力机制。
q:c的序列向量;k:关键向量;a:注意力机制的权重值。
g:每个患者对应病情的权重分布。
病情随时间变化的函数:
上述公式表示,δ(cn,Δt)表示在Δt之前诊断出的疾病cn如何在预测时影响患者状况。
采用BiLSTM: