本發(fā)明涉及子癇前期風(fēng)險預(yù)測，尤其涉及一種基于時序多模態(tài)的子癇前期預(yù)測模型的構(gòu)建方法、預(yù)測方法和預(yù)測裝置。

背景技術(shù)：

1、子癇前期(preeclampsia，pe)是一種妊娠期特有的多系統(tǒng)疾病，對孕產(chǎn)婦和圍產(chǎn)兒構(gòu)成重大安全威脅。當(dāng)前，子癇前期的診斷主要依賴于高血壓和尿蛋白等指標(biāo)，但這些方法存在明顯的滯后性，不能滿足早期預(yù)測的需求。此外，臨床檢測過程中往往忽略了與子癇前期高度相關(guān)的其他特征數(shù)據(jù)。

2、子癇前期的發(fā)病機制尚未完全明確，且由于電子健康記錄(ehr)數(shù)據(jù)通常存在缺失和不規(guī)則的問題，傳統(tǒng)的時間序列分析方法難以有效處理這些數(shù)據(jù)，導(dǎo)致無法全面挖掘影響子癇前期發(fā)生的潛在因素和特征，無法準(zhǔn)確預(yù)測子癇前期。

3、因此，現(xiàn)有技術(shù)還有待于改進和發(fā)展。

技術(shù)實現(xiàn)思路

1、基于上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種基于時序多模態(tài)的子癇前期預(yù)測模型的構(gòu)建方法、預(yù)測方法和預(yù)測裝置，旨在解決傳統(tǒng)的時間序列分析方法難以有效處理存在缺失的數(shù)據(jù)，導(dǎo)致子癇前期預(yù)測不準(zhǔn)確的問題。

2、本發(fā)明的技術(shù)方案如下：

3、本發(fā)明的第一方面，提供一種基于時序多模態(tài)的子癇前期預(yù)測模型的構(gòu)建方法，其中，包括如下步驟：

4、獲取已知妊娠結(jié)局的孕婦的多模態(tài)時序特征數(shù)據(jù)，構(gòu)建時間序列數(shù)據(jù)集；已知妊娠結(jié)局的孕婦包括患有子癇前期的孕婦和未患有子癇前期的孕婦；

5、利用所述時間序列數(shù)據(jù)集對圖注意力網(wǎng)絡(luò)和全連接網(wǎng)絡(luò)進行訓(xùn)練，得到缺失值擬合模型；

6、將所述缺失值擬合模型作為嵌入層嵌入到門控循環(huán)單元中，利用所述時間序列數(shù)據(jù)集進行訓(xùn)練后，得到子癇前期預(yù)測模型。

7、可選地，獲取已知妊娠結(jié)局的孕婦的多模態(tài)時序特征數(shù)據(jù)，構(gòu)建時間序列數(shù)據(jù)集的步驟具體包括：

8、將已知妊娠結(jié)局的孕婦的妊娠期分為多個時間節(jié)點，采集已知妊娠結(jié)局的孕婦在每個時間節(jié)點的多模態(tài)特征數(shù)據(jù)，對每個時間節(jié)點的多模態(tài)特征數(shù)據(jù)進行合并，且將當(dāng)前時間節(jié)點未出現(xiàn)的特征數(shù)據(jù)置為空值，重復(fù)出現(xiàn)的特征數(shù)據(jù)取最后一次出現(xiàn)的特征數(shù)據(jù)，獲得預(yù)處理后的多模態(tài)時序特征數(shù)據(jù)；

9、以特征數(shù)據(jù)出現(xiàn)的次數(shù)大于預(yù)設(shè)值作為篩選標(biāo)準(zhǔn)，將所述預(yù)處理后的多模態(tài)時序特征數(shù)據(jù)進行篩選后，構(gòu)建時間序列數(shù)據(jù)集。

10、可選地，以特征數(shù)據(jù)出現(xiàn)的次數(shù)大于預(yù)設(shè)值作為篩選標(biāo)準(zhǔn)，將所述預(yù)處理后的多模態(tài)時序特征數(shù)據(jù)進行篩選后，構(gòu)建時間序列數(shù)據(jù)集的步驟具體包括：

11、以特征數(shù)據(jù)出現(xiàn)的次數(shù)大于預(yù)設(shè)值作為篩選標(biāo)準(zhǔn)，將所述預(yù)處理后的多模態(tài)時序特征數(shù)據(jù)進行篩選后，得到篩選后的多模態(tài)時序特征數(shù)據(jù)；所述篩選后的多模態(tài)時序特征數(shù)據(jù)包括常量特征和變量特征；

12、在篩選后的多模態(tài)時序特征數(shù)據(jù)中常量特征空缺位置進行常量特征的填充，得到填充后的多模態(tài)時序特征數(shù)據(jù)，構(gòu)建時間序列數(shù)據(jù)集。

13、可選地，利用所述時間序列數(shù)據(jù)集對圖注意力網(wǎng)絡(luò)和全連接網(wǎng)絡(luò)進行訓(xùn)練，得到缺失值擬合模型的步驟具體包括：

14、將所述時間序列數(shù)據(jù)集轉(zhuǎn)換為圖結(jié)構(gòu)數(shù)據(jù)，并將圖結(jié)構(gòu)數(shù)據(jù)中的一部分節(jié)點的特征值進行掩碼作為空缺值，形成缺失節(jié)點，得到帶有缺失節(jié)點的圖結(jié)構(gòu)數(shù)據(jù)；

15、將所述帶有缺失節(jié)點的圖結(jié)構(gòu)數(shù)據(jù)輸入到圖注意力網(wǎng)絡(luò)后，輸出第一數(shù)據(jù)；

16、將所述第一數(shù)據(jù)與所述圖結(jié)構(gòu)數(shù)據(jù)進行融合，得到融合特征數(shù)據(jù)；

17、將所述融合特征數(shù)據(jù)進行特征展開，得到一維特征數(shù)據(jù)；

18、將所述一維特征數(shù)據(jù)輸入到三層堆疊的全連接網(wǎng)絡(luò)中，得到空缺值的填充值和子癇前期預(yù)測結(jié)果；

19、根據(jù)填充值和節(jié)點處被掩碼的真實值得到第一損失值，根據(jù)子癇前期預(yù)測結(jié)果與子癇前期真實結(jié)果得到第二損失值；

20、根據(jù)第一損失值和第二損失值對圖注意力網(wǎng)絡(luò)和全連接網(wǎng)絡(luò)中的參數(shù)進行調(diào)整，直至第一損失值和第二損失值的權(quán)重加和收斂，則訓(xùn)練好的圖注意力網(wǎng)絡(luò)和與所述圖注意力網(wǎng)絡(luò)連接的三層堆疊的全連接網(wǎng)絡(luò)中的兩層堆疊的全連接網(wǎng)絡(luò)構(gòu)成缺失值擬合模型。

21、可選地，在圖注意力網(wǎng)絡(luò)中設(shè)置缺失節(jié)點僅能接受來自相鄰節(jié)點的信息而不會向相鄰節(jié)點傳遞信息的信息傳遞機制后，將所述帶有缺失節(jié)點的圖結(jié)構(gòu)數(shù)據(jù)輸入到圖注意力網(wǎng)絡(luò)中，輸出第一數(shù)據(jù)。

22、可選地，將所述缺失值擬合模型作為嵌入層嵌入到門控循環(huán)單元中，利用所述時間序列數(shù)據(jù)集進行訓(xùn)練后，得到子癇前期預(yù)測模型的步驟具體包括：

23、將所述缺失值擬合模型作為嵌入層嵌入到門控循環(huán)單元的輸入端，將所述時間序列數(shù)據(jù)集轉(zhuǎn)換為圖結(jié)構(gòu)數(shù)據(jù)后作為輸入，得到對孕婦是否患有子癇前期進行正確預(yù)測的概率；

24、根據(jù)對孕婦是否患有子癇前期進行正確預(yù)測的概率和孕婦是否患有子癇前期的真實情況，得到交叉熵損失函數(shù)；

25、根據(jù)所述交叉熵損失函數(shù)對嵌入有缺失值擬合模型的門控循環(huán)單元進行訓(xùn)練，直至交叉熵損失函數(shù)收斂，得到所述子癇前期預(yù)測模型。

26、本發(fā)明的第二方面，提供一種子癇前期的預(yù)測方法，其中，將待測孕婦的多模態(tài)時序特征數(shù)據(jù)輸入至采用本發(fā)明如上所述的構(gòu)建方法構(gòu)建得到的子癇前期預(yù)測模型，對待測孕婦將來是否會發(fā)生子癇前期進行預(yù)測。

27、本發(fā)明的第三方面，提供一種子癇前期預(yù)測裝置，其中，包括：

28、預(yù)測單元，用于將待測孕婦的多模態(tài)時序特征數(shù)據(jù)輸入至采用本發(fā)明如上所述的構(gòu)建方法構(gòu)建得到的子癇前期預(yù)測模型，對待測孕婦將來是否會發(fā)生子癇前期進行預(yù)測。

29、本發(fā)明的第四方面，提供一種計算機可讀存儲介質(zhì)，其中，所述計算機可讀存儲介質(zhì)存儲有計算機程序，當(dāng)所述計算機程序被處理器執(zhí)行時，實現(xiàn)本發(fā)明如上所述的預(yù)測方法。

30、本發(fā)明的第五方面，提供一種電子設(shè)備，其中，包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的計算機程序，當(dāng)所述計算機程序被所述處理器執(zhí)行時，實現(xiàn)本發(fā)明如上所述的預(yù)測方法。

31、有益效果：本發(fā)明通過圖注意力網(wǎng)絡(luò)和全連接網(wǎng)格構(gòu)建得到缺失值擬合模型，其能有效處理孕婦妊娠期檢測數(shù)據(jù)(如醫(yī)療指標(biāo)、體征以及her數(shù)據(jù)等)中的缺失和不規(guī)則性，能夠從高度缺失的數(shù)據(jù)中提取有效特征，利用圖注意力網(wǎng)絡(luò)來捕捉孕婦各類健康數(shù)據(jù)之間的潛在關(guān)聯(lián)性，最大程度降低缺失值對模型預(yù)測精度的負面影響。通過缺失值擬合模型對缺失數(shù)據(jù)的特殊處理，能夠有效恢復(fù)缺失信息，確保模型能夠更準(zhǔn)確地處理不完整的醫(yī)療數(shù)據(jù)，同時結(jié)合門控循環(huán)單元進行時序特征的捕捉和預(yù)測，有效提高了對子癇前期的預(yù)測準(zhǔn)確性。

技術(shù)特征：

1.一種基于時序多模態(tài)的子癇前期預(yù)測模型的構(gòu)建方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的構(gòu)建方法，其特征在于，獲取已知妊娠結(jié)局的孕婦的多模態(tài)時序特征數(shù)據(jù)，構(gòu)建時間序列數(shù)據(jù)集的步驟具體包括：

3.根據(jù)權(quán)利要求2所述的構(gòu)建方法，其特征在于，以特征數(shù)據(jù)出現(xiàn)的次數(shù)大于預(yù)設(shè)值作為篩選標(biāo)準(zhǔn)，將所述預(yù)處理后的多模態(tài)時序特征數(shù)據(jù)進行篩選后，構(gòu)建時間序列數(shù)據(jù)集的步驟具體包括：

4.根據(jù)權(quán)利要求1-3任一項所述的構(gòu)建方法，其特征在于，利用所述時間序列數(shù)據(jù)集對圖注意力網(wǎng)絡(luò)和全連接網(wǎng)絡(luò)進行訓(xùn)練，得到缺失值擬合模型的步驟具體包括：

5.根據(jù)權(quán)利要求4所述的構(gòu)建方法，其特征在于，在圖注意力網(wǎng)絡(luò)中設(shè)置缺失節(jié)點僅能接受來自相鄰節(jié)點的信息而不會向相鄰節(jié)點傳遞信息的信息傳遞機制后，將所述帶有缺失節(jié)點的圖結(jié)構(gòu)數(shù)據(jù)輸入到圖注意力網(wǎng)絡(luò)中，輸出第一數(shù)據(jù)。

6.根據(jù)權(quán)利要求5所述的構(gòu)建方法，其特征在于，將所述缺失值擬合模型作為嵌入層嵌入到門控循環(huán)單元中，利用所述時間序列數(shù)據(jù)集進行訓(xùn)練后，得到子癇前期預(yù)測模型的步驟具體包括：

7.一種子癇前期的預(yù)測方法，其特征在于，將待測孕婦的多模態(tài)時序特征數(shù)據(jù)輸入至采用權(quán)利要求1-6任一項所述的構(gòu)建方法構(gòu)建得到的子癇前期預(yù)測模型，對待測孕婦將來是否會發(fā)生子癇前期進行預(yù)測。

8.一種子癇前期預(yù)測裝置，其特征在于，包括：

9.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機程序，當(dāng)所述計算機程序被處理器執(zhí)行時，實現(xiàn)權(quán)利要求7所述的預(yù)測方法。

10.一種電子設(shè)備，其特征在于，包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的計算機程序，當(dāng)所述計算機程序被所述處理器執(zhí)行時，實現(xiàn)權(quán)利要求7所述的預(yù)測方法。

技術(shù)總結(jié)
本發(fā)明公開一種基于時序多模態(tài)的子癇前期預(yù)測模型的構(gòu)建方法、預(yù)測方法和預(yù)測裝置，涉及子癇前期風(fēng)險預(yù)測技術(shù)領(lǐng)域。構(gòu)建方法包括：獲取已知妊娠結(jié)局的孕婦的多模態(tài)時序特征數(shù)據(jù)，構(gòu)建時間序列數(shù)據(jù)集；已知妊娠結(jié)局的孕婦包括患有和未患有子癇前期的孕婦；利用時間序列數(shù)據(jù)集對圖注意力網(wǎng)絡(luò)和全連接網(wǎng)絡(luò)進行訓(xùn)練，將得到的缺失值擬合模型作為嵌入層嵌入到門控循環(huán)單元中，利用時間序列數(shù)據(jù)集進行訓(xùn)練后，得到子癇前期預(yù)測模型。本發(fā)明的預(yù)測模型中通過缺失值擬合模型對缺失數(shù)據(jù)進行處理，能夠有效恢復(fù)缺失信息，確保模型能夠更準(zhǔn)確地處理不完整的醫(yī)療數(shù)據(jù)，同時結(jié)合門控循環(huán)單元進行時序特征的捕捉和預(yù)測，有效提高了對子癇前期的預(yù)測準(zhǔn)確性。

技術(shù)研發(fā)人員：黃靜瀅,蔣鑫曄,倪震楠,謝文韜,楊錢俊,畢志升,李曉君
受保護的技術(shù)使用者：廣州醫(yī)科大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15