碩士論文通過使用基於自注意力(Self Attention)為基礎的深度學習數值插補技術，整合不同類型的數據，提高了敗血症的早期預測能力。我提出了一種新的預測框架，利用深度學習進行數據插補和分類並對各種插補模型和分類網絡進行了研究。在早期敗血症預測方面，我的方法超越了先前的模型，能夠更有效提前七小時預測敗血症的發生。在MIMIC-IV資料庫中使用六小時的資料結合自注意力的插補和分類模型有最好的效果，在提早五小時和七小時前預測敗血症發生分別獲得AUROC 0.83 和0.79。本研究提供了一套可行性的預測框架，並比較不同插補模型的特點, 展示了自注意力為基礎的模型在資料處理和時間序列預測的潛力。