基于卷积神经网络对生理指标数据缺失的治理方法及系统

专利主权项内容

1.基于卷积神经网络对生理指标数据缺失的治理方法，其特征在于，包括：获取原始数据中的病历数据和生理指标数据，并进行数据预处理，具体的，获取原始数据中包括诊断信息、用药信息、症状描述的病历数据和生理指标数据的数据集；对所述数据集中的数据以此进行去除异常值、处理重复数据、数据归一化或标准化的数据处理；将病历数据通过编码成独热编码或使用词嵌入转化为可以输入神经网络的格式；对完成预处理的数据进行特征提取；采用多通道的CNN架构创建神经网络模型，并对所述神经网络模型进行训练；采用训练好的神经网络模型对缺失的生理指标数据进行预测，具体的，将病历数据作为额外输入，采用训练好的神经网络模型对缺失的生理指标数据进行预测，包括采用多元线性回归公式：Y＝β+βX+βX+βX+∈，其中，Y是生理指标数据的预测值，X、X、…、X是解释变量，包括生理指标、用药信息、诊断信息、物理治疗，β是截距项，β、β、…、β是各解释变量的系数，表示它们对生理指标的影响，∈是误差项，表示模型无法解释的随机变化；将预测值填充回原始数据中，使用交叉验证进行模型评估，计算预测值与真实值之间的误差；根据模型评估的结果，进行超参数调整，优化模型性能。01122pp12p012p