基于神经元级特征选择的妇产科临床路径预测方法

本发明提供了一种基于神经元级特征选择的妇产科临床路径预测方法，属于路径预测技术领域，包括：将患者的妇产科电子病历数据划分为时序特征和基线特征，将时序特征输入到训练好的GRU网络中进行特征编码，获取各类临床指标随时间的动态变化规律，将基线特征通过嵌入层转换为特征向量；基于患者最近一次妇产科就诊记录以及就诊场景计算特征重要度，基于特征重要度投影各类临床指标随时间的动态变化规律以及特征向量映射到新的表示空间得到投影矩阵生成门控向量，并分别对主任务层和辅助任务层的特征进行筛选及融合，得到最终特征表示获取多维度预测结果。为医生提供更加个性化、精准的诊疗建议。