一种基于图表示学习的慢病风险预测方法.pdfVIP

下载本文档

2
0
约2.26万字
约 15页
2023-04-24 发布于四川
举报
版权申诉

一种基于图表示学习的慢病风险预测方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及医疗信息技术领域，涉及一种基于图表示学习的慢病风险预测方法；将结构化数据抽象为图数据，构建个人疾病网络表示患者个体；个人疾病网络中节点表示所患疾病，有向边的方向表示疾病出现的先后顺序，权值表示在患者个体的住院序列中，该有向边关联的有向疾病对出现的频率；通过词嵌入方法生成个人疾病网络中疾病节点的初始表示；并设计了一种集成图卷积和图池化的整图分类预测模型对个人疾病网络进行学习，生成对患者的嵌入表示。其中，图卷积层为多关系注意力卷积，可按照时序方向分别聚合节点的领域信息；图池化层为集成边权重

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114898879 A (43)申请公布日 2022.08.12 (21)申请号 202210539116.7 (22)申请日 2022.05.10 (71)申请人电子科技大学地址 611731