摘要
本发明涉及基于深度学习的肾内科患者个性化导尿方案优化方法。首先通过多家医院收集患者的病史、药物使用记录、影像数据、生理参数和实验室检测数据，并通过生成对抗网络GAN进行数据增强，生成多样化的训练数据；然后构建联合特征提取网络，利用卷积神经网络CNN提取影像数据特征，利用长短期记忆网络LSTM提取时间序列数据特征；并设计多任务学习框架，同时预测尿流率、膀胱压力和并发症风险多个相关指标；引入注意力机制，使个性化导尿方案模型聚焦于影响个体患者导尿方案的关键特征；最后将提取的特征通过编码器进行编码生成患者特征向量，采用变分自编码器VAE生成个性化导尿方案。
