摘要
本发明提供了一种基于因果Transformer模型的栓塞及大出血风险预测方法及系统,包括:步骤S1:获取患有心房颤动的病人的临床数据,并对获取的患者临床数据进行预处理,得到预处理后的患者临床数据;步骤S2:针对不同时间序列长度的预处理后的患者临床数据进行标准化处理,将标准化处理后的患者临床数据分解为动态变量和静态变量,生成多维特征;步骤S3:基于Causal Transformer模型构建预测模型,并利用多维特征训练预测模型,得到训练后的预测模型;步骤S4:利用训练后的预测模型预测目标对象未来预设时间段内栓塞和大出血的概率。
技术关键词
患者临床数据
静态特征
风险预测方法
构建预测模型
栓塞
注意力
训练预测模型
序列
动态
风险预测系统
分类器
关系
变量
模块
时间段
网络
样本
对象
系统为您推荐了相关专利信息
成矿预测
知识图谱构建
实体
评估预测模型
自然语言
储能单元
风光互补智能
分配管理系统
风力发电设备
时间段
睡眠阶段分类方法
梯度下降算法
静态特征提取
加权特征
更新模型参数
渗透系数预测方法
沥青混凝土路面
沥青路面
BP神经网络
构建预测模型
成分设计方法
监督学习分类模型
合金系统
准晶
复合体