[發明專利]發病關鍵因素提取與疾病預警方法及系統

無效

• 申請號: 201210546336.9
• 申請日: 2012-12-15
• 公開（公告）號: CN103020454A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 蔡云鵬;樊小毛;李燁;鄭卓遠;楊玉潔
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 宋鷹武

1.一種發病關鍵因素提取與疾病預警方法，其特征在于，所述方法包括如下步驟：

數據預處理，將病歷檔案數據轉換為訓練數值矩陣；

建立疾病預警模型；

通過驗證找到最優預警模型。

2.根據權利要求1所述的發病關鍵因素提取與疾病預警方法，其特征在于，所述方法還包括：

輸入具體患者的病歷檔案數據，提取患者的疾病高風險因子以及進行疾病風險評估。

3.根據權利要求1所述的發病關鍵因素提取與疾病預警方法，其特征在于，采用L1正則邏輯斯蒂回歸模型建立疾病預警模型。

4.根據權利要求1所述的發病關鍵因素提取與疾病預警方法，其特征在于，采用N折交叉驗證方法找到最優預警模型。

5.根據權利要求1所述的發病關鍵因素提取與疾病預警方法，其特征在于，所述數據預處理，將病歷檔案數據轉換為訓練數值矩陣的步驟具體為：

通過分詞和匹配，將文本病歷拆分成一系列關鍵詞，通過預先設定的匹配規則，將劃分的關鍵詞分為特征變量和變量取值兩種類型。

6.根據權利要求1所述的發病關鍵因素提取與疾病預警方法，其特征在于，所述病歷檔案數據包括電子病歷、病歷檔案或生化檢查數據。

7.根據權利要求5所述的發病關鍵因素提取與疾病預警方法，其特征在于，所述分詞的方法包括字符串匹配的分詞法、詞義分詞法或統計分詞法。

8.根據權利要求7所述的發病關鍵因素提取與疾病預警方法，其特征在于，所述字符串匹配的分詞法包括正向最大匹配法、反向最大匹配法、最短路徑分詞法或雙向最大匹配法。

9.根據權利要求3所述的發病關鍵因素提取與疾病預警方法，其特征在于，L1正則邏輯斯蒂回歸模型為：

minw,b1ΣαiΣi=1nαilog(1+exp(-yi(wTxi+b)))+γ||w||---(1)]]>

其中，

α_i是樣本平衡權重，m⁺是正類樣本的數量，m^-是負類樣本的數量，負類樣本記錄為健康記錄，正類樣本記錄為疾病記錄，γ是調節權重參數，b是判斷正負類的閾值，w^T是分類器權重，x_i是單條樣本記錄，y_i是類標記。

10.根據權利要求9所述的發病關鍵因素提取與疾病預警方法，其特征在于，所述方法還包括：

將分類器權重w^T初始化為0，采用梯度下降法求解w^T和b，循環迭代，直到求得最小目標值。