一种基于Bi-GRU的宫颈癌诊疗项目预测方法

技术特征：
1.一种基于bi-gru的宫颈癌诊疗项目预测方法，其特征在于，包括以下步骤：对历史诊疗记录进行初始化，并将初始化后的历史诊疗记录使用向量表示，得到诊疗记录时间序列；根据诊疗记录时间序列构建规范诊疗模式序列；利用诊疗记录时间序列构建诊疗项目预测模型；计算待检测诊疗记录时间序列与规范诊疗模式序列的相似度，当相似度大于阈值时，则对待检测诊疗记录时间序列进行预测。2.根据权利要求1所述的一种基于bi-gru的宫颈癌诊疗项目预测方法，其特征在于，所述诊疗记录为宫颈癌诊疗项目数据。3.根据权利要求1所述的一种基于bi-gru的宫颈癌诊疗项目预测方法，其特征在于，所述将初始化后的历史诊疗记录使用向量表示，包括以下步骤：将初始化后的历史诊疗数据转化成诊疗记录序列；对诊疗记录序列中的每一个诊疗记录进行编码；将同一时间间隔编码后的诊疗记录的集合转化成向量表示，得到向量形式的诊疗记录序列；将每一条诊疗记录序列中的最后一个时间间隔的诊疗记录集合向量，作为该条数据的标签，并将该诊疗记录集合向量从向量形式的诊疗记录序列中删除，得到已标注的向量形式的诊疗记录时间序列即去掉最后一个时间间隔的诊疗记录集合向量的数据。4.根据权利要求3所述的一种基于bi-gru的宫颈癌诊疗项目预测方法，其特征在于，所述对诊疗记录序列中的每一个诊疗记录进行编码，具体为：将每条诊疗记录序列的每个时间间隔内的诊疗记录的编码加权池化得到诊疗记录集合的编码，其表达式为：式中，e
t
表示诊疗记录集合，n表示一个时间间隔内诊疗记录的数量，v
i
表示一个时间间隔的第i个诊疗记录，w
i
表示该诊疗记录对应的权重。5.根据权利要求1所述的一种基于bi-gru的宫颈癌诊疗项目预测方法，其特征在于，所述构建规范诊疗模式序列，包括以下步骤：1)将所有诊疗记录时间序列初始化为一个簇并加入簇表；2)在簇表中选取一个总体相似度最低的簇c，利用k-means方法将簇c分为c1和c2加入簇表中；3)重复步骤2)，直到产生设定的k个簇时停止，将k个簇的质心作为规范诊疗模式序列。6.根据权利要求1所述的一种基于bi-gru的宫颈癌诊疗项目预测方法，其特征在于，用序列之间的余弦相似度来计算待检测诊疗记录时间序列与规范诊疗模式序列的相似度。7.根据权利要求1所述的一种基于bi-gru的宫颈癌诊疗项目预测方法，其特征在于，所述使用诊疗记录时间序列训练诊疗项目预测模型，包括以下步骤：1)构建基于bi-gru的正反双向循环神经网络层；2)构建以softmax函数作为分类器的正反双向循环神经网络预测模型输出层；
3)将诊疗记录时间序列输入到正反双向循环神经网络预测模型中，进行训练，直至模型收敛，即得到诊疗项目预测模型。

技术总结
本发明涉及一种基于Bi-GRU的宫颈癌诊疗项目预测方法，包括：将清洗后的诊疗记录按照特定的时间间隔转化成诊疗记录序列；将每一个诊疗记录转化成独热码并用向量表示，考虑到同一时间间隔内的诊疗记录不区分其时间顺序，将同一时间间隔内的诊疗记录采用加权池化的方式处理；挖掘规范的诊疗模式，并训练正反双向循环神经网络预测模型。基于当前的诊疗序列预测后续的诊疗项目时，计算当前诊疗序列与规范诊疗模式的相似度，若规范，则输入到预测模型中得到最终的预测结果。本发明弥补传统方法在数据特征处理方面的缺陷，提高了训练速度以及模型的准确率，在预测前先判断当前诊疗过程的规范性，达到了规范诊疗的目标，使得预测结果更加合理。更加合理。更加合理。


技术研发人员：赵奎 闫玉芳 李航宇 高延军 马慧敏
受保护的技术使用者：中国科学院沈阳计算技术研究所有限公司
技术研发日：2020.12.28
技术公布日：2022/7/14