基于尿量时序数据预测新生儿急性肾衰竭的神经网络模型

本申请医疗人工智能技术领域，公开了一种基于尿量时序数据预测新生儿急性肾衰竭的神经网络模型，包括：混合特征提取模块，被配置为：通过多时间窗口机制提取尿量时序特征，融合患者基础信息形成多维特征矩阵，所述基础信息包括胎龄、出生体重和Apgar评分；患者特征融合模块，被配置为：将患者的基础信息标准化后与尿量时序特征矩阵拼接；多尺度分类网络，被配置为：基于并行的卷积神经网络分支与全连接网络分支，通过注意力机制进行跨分支特征加权融合；损失函数优化模块，被配置为：采用损失函数和样本调度策略动态调整样本权重。采用本申请，能够确保在新生儿AKI预测的时效性、准确性及泛化能力上的可靠性，实现早期预警与个性化医疗。