一种基于自动抽取医疗专家知识的疾病预测方法

摘要

本发明涉及一种基于自动抽取医疗专家知识的疾病预测方法，属于智能医疗技术领域；首先根据历史诊断记录数据构建疾病关系网络，在该网络上使用神经网络模型对疾病实体间具有的显式和隐式相关性分别计算疾病特征向量，并通过疾病特征向量计算疾病之间的相关性矩阵作为医疗专家知识；其次，设计基于深度学习的疾病预测模型，通过降噪自编码器栈模型将病人的原始医学指标数据降维，并作为多标签疾病预测模型的输入数据来预测病人的潜在疾病；最后，在模型的参数学习部分，使用第一步中自动提取的疾病相似度矩阵作为医疗背景约束条件，让算法学习模型的最优参数，并将发病概率较高的疾病作为预测结果。对比现有技术，本发明提高了疾病预测准确率。