一种基于图神经网络和缺失特征预测的卒中复发预测方法

本申请属于医疗数据处理技术领域，公开了一种基于图神经网络和缺失特征预测的卒中复发预测方法，该方法首先对收集的包含缺失值的患者临床数据进行预处理，利用未缺失特征训练预测模型以填充缺失特征值，得到完整特征数据；然后，基于完整特征数据构建特征图，其中节点表示特征，边表示特征间的相关性；最后，将所述特征图输入图神经网络模型进行训练，学习特征间的高阶交互关系，输出卒中复发预测结果，并可对特征重要性进行排序。本发明通过对缺失数据进行有效预测填充，并利用图神经网络挖掘特征间的复杂拓扑关系，提高了卒中复发预测的准确性和模型的鲁棒性，同时保留了医学可解释性。