基于深度学习的下呼吸道医院感染风险预测方法及系统

本发明提供了基于深度学习的下呼吸道医院感染风险预测方法及系统，涉及医学电子病历时序数据分析处理及深度学习领域。该方法利用两个对角掩蔽自注意力机制块对电子病历医学时序数据进行缺失值填补；利用全连接层神经网络处理电子病历中的人口统计学数据，初始化解码器的隐状态；构建基于注意力机制的编码器‑解码器模型，利用填补后的时序数据和初始化的解码器的隐状态进行模型训练，构建下呼吸道医院感染风险预测模型；将处理后的数据输入训练好的下呼吸道医院感染风险预测模型，输出患者的下呼吸道医院感染风险预测结果。本发明能够有效的利用电子病历的海量数据，融合静态特征与动态时序特征，捕获患者的健康状态，提高预测的准确性和有效性。