计算机应用研究

作者：王露潼,王红,宋永强,王倩,

单位：1.山东师范大学信息科学与工程学院,济南250358；2.山东省分布式计算软件新技术重点实验室,济南250358；

关键词：电子病历,长短期记忆神经网络,词向量表示,医学概念,可变时间间隔,

基金：国家自然科学基金资助项目(61672329,61373149,61472233,61572300,81273704)；山东省科技计划资助项目(2014GGX101026)；山东省教育科学规划资助项目(ZK1437B010)；山东省泰山学者基金资助项目(TSHW201502038,20110819)；山东省精品课程资助项目(2012BK294,2013BK399,2013BK402)；；

针对不同患者的临床数据信息难以得到合理表示，且事件之间时间间隔不同，从而导致预测困难等问题，提出一种基于词向量表示，并添加时控单元的时控长短期记忆神经网络（FT-LSTM）预测模型。首先通过FastText方法对医学事件进行可解释性的向量表示，用以更有效地捕获富含医学信息的概念关系；然后针对临床数据对时间戳有着强依赖性的现象，在原有LSTM模型的基础上设计时控门，以更好地捕获长短期信息，对事件信息进行建模，从而改善预测表现。在MIMIC-Ⅲ数据集上的实验结果表明，使用FT-LSTM模型预测的召回率、准确率皆高于多种对比模型，证明了该方法的有效性。

来源：2020年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第10期