[發明專利]二階段混合模型的智能輔助醫療決策支持方法

有效

• 申請號: 201410014993.8
• 申請日: 2014-01-14
• 公開（公告）號: CN103714261B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 歐陽繼紅;馬超;王旭;李錫銘;周曉堂
• 申請（專利權）人: 吉林大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 長春市四環專利事務所(普通合伙)22103
• 代理人: 郭耀輝

1.一種二階段混合模型的智能輔助醫療決策支持方法，其特征在于，包括如下步驟：?

S1，基于減聚類方法，對真實的醫療樣本數據信息進行加權預處理，將非線性不可分的特征空間轉化為可分的線性數據特征空間；?

S2，基于高效的極限學習機模型，利用預處理得到的加權特征數據，通過數據自學習構建醫療決策支持模型；?

S3，基于S2構建的模型，采用真實的醫療數據，對研究對象進行分類預測，從而實現為目標用戶提供可靠高效的輔助預測支持。?

2.根據權利要求1所述的二階段混合模型的智能輔助醫療決策支持方法，其特征在于，該方法采用如下的基本原理對目標用戶進行診斷預測：?

醫療數據通常具有維度高且分布復雜，根據其數據的特征分布，利用聚類加權化的方法將數據從非線性不可分的特征空間轉化到線性可分的特征空間，將特征相近的數據聚集到一起，提高數據間的分辨關系，基于這種新的數據特征空間，并結合新穎的高效高精度的分類器，進而產生更準確的預測診斷結果。?

3.根據權利要求1所述的二階段混合模型的智能輔助醫療決策支持方法，其特征在于，基于給定的醫療數據，按照如下方法進行數據的加權預處理：?

將醫療數據用矩陣形式表示，設M(m,n)為矩陣數據，其中m表示樣本數目，n表示特征，首先，用減聚類算法計算各簇中心值cluster_center和每個特征的平均值mean；?

其次，按如下公式計算矩陣數據中每一個特征的比值：?

ratios(i,j)=mean(s_j)/cluster_center_j;?

其中，cluster_center_j為第j個簇中心值，mean(s_j)為第s_j個特征的平均值；?

最后，按照如下方法矩陣中的每個數據特征進行加權化處理：?

weighted_features(i,j)=M(m,n)*ratios(i,j)。?

4.根據權利要求1所述的二階段混合模型的智能輔助醫療決策支持方法，其特征在于，基于加權之后的特征數據，結合新穎的極限學習機分類器，對數據集樣本進行十折交叉的自學習訓練，構建醫療決策支持模型，十折交叉驗證是常用的測試方法，將數據分成十份，輪流將其中九份作為訓練數據，一份作為測試數據進行試驗，每次都會得出相應的正確率，然后取十次的平均值作為算法精度的估計。?

5.根據權利要求1所述的二階段混合模型的智能輔助醫療決策支持方法，其特征在于，按照如下方法計算驗證測試數據的預測結果：?

其中，真正(True?Positive，TP)是指被模型預測為正類的正類樣本；假負(False?Negative，FN)是指被模型預測為負類的正類樣本；假正(False?Positive，FP)是指被模型預測為正類的負類樣本；真負(True?Negative，TN)是指被模型預測為負類的負類樣本；根據這四個指標衍生的指標：ACC為預測準確率，即(在醫療診斷領域)正確預測患者或是非患者占總樣本數的比例；Sensitivity為靈敏性，即(在醫療診斷領域)預測為患者的結果數占實際為患者樣本數的比例；Specificity為特效性，即(在醫療診斷領域)預測為非患者的結果數占實際為非患者樣本數的比例。?