Pyhealth 预处理

# PyHealth 数据预处理与处理器 ## 概述 PyHealth 提供了全面的数据处理工具，将原始医疗数据转换为模型就绪的格式。处理器负责特征提取、序列处理、信号转换和标签准备。 ## 处理器基类 所有处理器都继承自 `Processor`，并具有标准接口： **关键方法：** - `__call__()`: 转换输入数据 - `get_input_info()`: 返回处理后的输入模式 - `get_output_info()`: 返回处理后的输出模式 ## 核心处理器类型 ### 特征处理器 **FeatureProcessor** (`FeatureProcessor`) - 特征提取的基类 - 处理词汇表构建 - 嵌入准备 - 特征编码 **常见操作：** - 医疗代码分词 - 分类编码 - 特征归一化 - 缺失值处理 **用法：** python from pyhealth.data import FeatureProcessor processor = FeatureProcessor( vocabulary="diagnoses", min_freq=5, # 最小代码频率 max_vocab_size=10000 ) processed_features = processor(raw_features) ### 序列处理器 **SequenceProcessor** (`SequenceProcessor`) - 处理序列临床事件 - 保留时间顺序 - 序列填充/截断 - 时间间隔编码 **关键特性：** - 变长序列处理 - 时间特征提取 - 序列统计计算 **参数：** - `max_seq_length`: 最大序列长度（如果更长则截断） - `padding`: 填充策略（"pre" 或 "post"） - `truncating`: 截断策略（"pre" 或 "post"） **用法：** python from pyhealth.data import SequenceProcessor processor = SequenceProcessor( max_seq_length=100, padding="post", truncating="post" ) # 处理诊断序列 processed_seq = processor(diagnosis_sequences) **NestedSequenceProcessor** (`NestedSequenceProcessor`) - 处理层级序列（例如，包含事件的就诊） - 两级处理（就诊级和事件级） - 保留嵌套结构 **用例：** - 包含多个事件的 EHR 就诊 - 多级时间建模 - 层级注意力模型 **结构：** python # 输入: [[visit1_events], [visit2_events], ...] # 输出: 带有适当填充的处理后的嵌套序列 ### 数值数据处理器 **NestedFloatsProcessor** (`NestedFloatsProcessor`) - 处理嵌套数值数组 - 实验室值、生命体征、测量值 - 多级数值特征 **