基于Transformer子空间表征学习的因果推理辅助诊断方法

摘要

本发明提供了一种基于Transformer子空间表征学习的因果推理辅助诊断方法。该方法包括：通过Transformer网络从电子病历数据中提取患者的特征信息；通过自监督学习的方式对患者的特征信息进行扩容后，映射到低维的共享子空间和独立子空间，得到患者的低维共享特征表示和特异特征表示，通过堆叠两种特征表示得到患者的低维特征表示；使用对抗模型来平衡患者的低维特征表示中不同分组之间的分布，得到分布平衡的低维特征表示并输入到前馈网络，得到患者的预测诊断结果。本发明可以应用于辅助诊断预测中，使用患者的生理数据及实验室数据等结构化信息较好地做出诊断，为医生诊断时提供参考意见，可以解决现有的方案中存在的选择偏差和缺乏可解释性等问题。