冠心病作为危害人类身体健康的重大疾病之一,其患病率及死亡率不断上升,已成为医学界亟待解决的问题。近年来,随着医疗信息化水平不断提高,在电子病历中存储了大量的冠心病患者病情的描述信息,这为预测和评估患者在住院期间发生主要心脏不良事件提供重要参考依据。然而,目前对中文电子病历中主要心脏不良事件预测的研究相对较少,并且由于不良事件的描述信息存在着数据不平衡现象,导致现有研究的预测结果存在偏差。针对以上问题,本文综合运用自然语言处理、深度学习等技术,在构建语料库基础上,研究主要心脏不良事件的预测方法,同时对数据不平衡问题进行优化,为临床实践提供参考。本文的主要贡献有:(1)提取患者特征,构建主要心脏不良事件语料库。首先,收集新疆某三甲医院5965名患者的入院记录和病程记录作为实验数据,对非结构化入院记录进行预处理,并结合临床实际制定了标注指南,完成标注工作。然后,利用Bi-LSTMCRF结合特征合并策略,提取入院记录中的患者特征105项,并对其准确性进行评估,F值达到0.914。最后,通过4名研究生人工标注病程记录中发生的不良事件,统计得到发生患者有1580例,未发生患者有4385例,完成语料库的构建。(2)针对不平衡数据会造成预测效果存在偏差的问题,提出了将重采样与迭代增强框架结合的预测方法。将带权重采样并入迭代增强框架,对少数类样本使用Borderline SMOTE方法进行过采样,对多数类样本数据进行欠采样,循环利用获得的平衡子集训练弱分类器,纠正之前错分的样本,构建强分类器。为全面评估模型预测性能,实验分别构建了三组不同比例的数据集,并与三种基线模型进行了对比实验。实验结果表明,该方法在数据存在不平衡时,少数类样本的评估指标维持在0.690-0.705之间,不会随着不平衡的加剧而降低,验证了方法的有效性。(3)为进一步提高预测准确度,提出了一种基于CNN-Bi-LSTM-Attention的主要心脏不良事件预测方法。本文为了挖掘特征中更多的上下文信息,同时避免RNN带来的梯度爆炸或梯度消失问题,将特征经过CNN卷积之后作为Bi-LSTM神经网络的输入;接着,引入注意力机制凸显关键特征的影响力,减少无关特征的干扰。实验在已构建的语料库和Framingham公开数据集上进行,结果表明,预测准确率比未引入注意力机制提高了4.1%。此外,经临床医生评估,本文提取的前15项影响主要心脏不良事件的危险因素对临床诊断具有一定的指导意义。