公开(公告)号：CN115938585A

公开(公告)日：2023-04-07

申请号：CN202211646386.4

申请日：2022-12-21

Applicant: 华北电力大学

Inventor： 滕婧 ,  张宏蕾 ,  米春琳

IPC: G16H50/30 ,  G16H50/50 ,  G16H50/70 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/047 ,  G06N3/082

Abstract: 本发明公开了属于计算机深度学习应用于生存分析领域的一种基于深度学习的Cox模型预测疾病预后生存率方法；该方法是将Cox模型与Transformer相结合预测疾病预后生存率，采用包括数据输入模块、数据预处理模块、预测模型构建模块、模型训练模块、模型测试模块、预测结果展示模块的Cox模型，并应用机器深度学习方法进行预测；预测模型直接对生存概率建模，对潜在的随机生存分布不做任何假设；可以拟合时间依赖效应，不依赖比例风险假设；本发明能提高预后风险预测的能力，具有神经网络连续建模事件时间的灵活性。降低预测成本。同时，Transformer的注意力机制增加预测结果的可解释性和显示特征之间的相关性。