基于类时空间图卷积的心脑血管病死亡率预测
来源：计算机应用与软件杂志2025年第6期北京时间：
作者：王晨舒, 刘志锋
摘要：现有临床预测模型难以有效利用含有大量缺失值的医疗记录数据，且往往仅考虑单个患者的时间序列信息，忽略同类患者特征之间的潜在联系。针对上述问题，提出一种类时空图卷积临床预测模型BSim-STGCN。该模型设计了全局缺失信息捕获机制以获取缺失值在整条时间序列下的当前缺失表示；此外，提出基于患者相似度的类空间图卷积Spatial-like GCN建模相似患者之间特征的类空间依赖关系。两个真实数据集的实验表明，BSim-STGCN模型的预测精度优于其他临床预测模型。
关键词：心脑血管疾病, 缺失值处理, 患者相似度, 图卷积神经网络, 死亡率预测
