The invention discloses a method for predicting adverse cardiovascular events of acute coronary syndrome based on attention mechanism, which includes: (1) constructing training samples; (2) calculating the weight of training samples by introducing attention mechanism based on bidirectional long-term and short-term memory network and according to the static characteristics and dynamic characteristics of patients, and constructing a pre-training model; (3) training samples and training samples. The corresponding truth label of the sample is used to train the pre-training model to get the prediction model of adverse cardiovascular events; (4) Predicting the probability of adverse cardiovascular events in the sample to be tested by using the prediction model. The forecasting method provided by the invention can predict the occurrence probability of ischemic and hemorrhagic events in patients with acute coronary syndrome, thereby assisting doctors to formulate reasonable diagnosis and treatment measures, supporting clinical decision-making and reducing medical expenses.
【技术实现步骤摘要】
一种基于注意力机制的不良心血管事件的预测装置
本专利技术属于数据处理领域,具体涉及一种基于注意力机制的急性冠脉综合征患者不良心血管事件的预测装置。
技术介绍
急性冠脉综合征(Acutecoronarysyndrome,ACS)是一种发病急、影响广、死亡率和致残率极高的心血管疾病。主要不良心血管事件是急性冠脉综合征预后可预测性最有力的结局指标。因此,早期主要不良心血管事件的临床风险预测对及时精准治疗急性冠脉综合征十分重要。ACS患者住院期间可能会发生诸如缺血、失血等主要不良心血管事件。临床上使用抗栓药物(包括抗血小板药物和抗凝药物)治疗可降低急性冠脉综合征患者发生主要不良心血管事件的概率。增强急性冠脉综合征抗栓力度可降低ACS患者的缺血事件发生率,却增加了患者出血的风险,而大出血事件往往会引发患者发生缺血事件,因此平衡好抗缺血作用和出血的风险,在临床上显得尤为重要。现今已有的预测急性冠脉综合征患者临床风险的方法,比如全球急性冠脉综合事件注册(GlobalRegistryofAcuteCoronaryEvents,GRACE)和心肌梗死溶栓治疗(ThrombolysisinMyocardialInfarction,TIMI),可用来估计ACS患者发生缺血事件的风险等级。这些工具已经在临床实践中得到应用,并在指导缺血性心脏病的护理和治疗方面取得了巨大的成就,仍然存在以下局限性,仅有少量特征作为风险因子,虽然简化了计算,方便其在临床环境中使用,然而这也导致了评分工具缺乏可概括性。除此之外,GRACE和TIMI评分均无法同时评估患者缺血事件和出血事件的风险等级。随着 ...
【技术保护点】
1.一种基于注意力机制的不良心血管事件的预测装置,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,其特征在于:所述计算机存储器中存有不良心血管事件结果预测模型,其包括;动态特征提取模块、注意力机制模块和分类模块;所述计算机处理器执行所述计算机程序时实现以下步骤:接收患者的动态特征和静态特征,动态特征提取模块以急性冠脉综合征患者的动态特征作为输入,得到输出集;以患者的动态特征与其入院记录的静态特征结合起来作为注意力机制模块的输入,输出注意力权重值ω;并将输出集与注意力权重值ω点乘,输出结果γ;以输出结果γ作为输入,分类模块输出不良心血管事件结果的预测概率,所述预测概率包括缺血事件发生的概率和出血时间发生的概率。
【技术特征摘要】
2018.08.08 CN 20181089814601.一种基于注意力机制的不良心血管事件的预测装置,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,其特征在于:所述计算机存储器中存有不良心血管事件结果预测模型,其包括;动态特征提取模块、注意力机制模块和分类模块;所述计算机处理器执行所述计算机程序时实现以下步骤:接收患者的动态特征和静态特征,动态特征提取模块以急性冠脉综合征患者的动态特征作为输入,得到输出集;以患者的动态特征与其入院记录的静态特征结合起来作为注意力机制模块的输入,输出注意力权重值ω;并将输出集与注意力权重值ω点乘,输出结果γ;以输出结果γ作为输入,分类模块输出不良心血管事件结果的预测概率,所述预测概率包括缺血事件发生的概率和出血时间发生的概率。2.如权利要求1所述的基于注意力机制的不良心血管事件的预测装置,其特征在于,所述不良心血管事件结果预测模型的获得过程为:(1)采集急性冠脉综合征患者的电子健康记录,所述电子健康记录包括患者的静态特征和动态特征,并对该电子健康记录进行预清洗,对样本是否发生缺血事件或者出血事件这两种不良心血管事件来进行标注,得到训练样本标签,构建训练样本;(2)以双向长短时效记忆网络为基础,根据患者的静态特征-动态特征关系,引入注意力机制,构建预训练模型;所述预训练模型的网络结构为:双向长短时效记忆网络,以急性冠脉综合征患者的动态特征作为输入,得到输出集;深度注意力网络,以患者的动态特征与其入院记录的静态特征结合起来作为深度注意力网络的输入,输出注意力权重值ω;再将双向长短时效记忆网络的输出集与注意力权重值ω点乘,输出结果γ;分类器,将γ作为输入,输出分类结果;(3)以步骤(1)中的训练样本作为步骤(2)中预训练模型的输入层,以所述训练样本对应的真值标签作为所述预训练模型的输出层,对所述预训练模型进行训练,获得对应的动态特征提取模块、注意力机制模块和分类模块,组成不良心血管事件结果预测模型。3.如权利要求2所述的基于注意力机制的不良心血管事件的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。