[發明專利]一種基于數據深度挖掘機器學習的個性化模擬病例個體的方法

在審

• 申請號: 201610438901.8
• 申請日: 2016-06-20
• 公開（公告）號: CN107527094A
• 公開（公告）日: 2017-12-29
• 發明（設計）人: 李捷
• 申請（專利權）人: 廣西南寧恒升泰居匯電子科技有限公司
• 主分類號: G06N99/00
• 分類號: G06N99/00;G09B9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明技術方案屬于模擬醫療教學技術領域，是一種基于數據深度挖掘機器學習的個性化模擬病例個體的方法，應用于醫療教學及研究工作。

背景技術

在醫療教學及研究工作中，需要對很多病例場景進行模擬，為了真實的模擬指定年齡性別等特征人群的指定病癥的特征，需要將海量的歷史病例大數據通過數據挖掘算法處理，算法處理的效率決定了病例模擬的準確性。

發明內容

本發明的目的是為了解決在醫療教學及研究工作中，對指定年齡性別等特征人群的指定病癥場景進行模擬的問題，其有益效果是為醫療教育研究提供了準確的數據基礎。

本發明提供了一種基于數據深度挖掘機器學習的個性化模擬病例個體的方法，從病例數據文件中，將特定病癥的病理數據進行檢索，根據性別、年齡、身高、體重、遺傳病史、地區、時間節點等信息熵生成病理多維數據集作為機器學習的訓練數據，病理多維數據集隨著時間和病例數據的增加不斷更新，在需要進行個性化病例模擬時，根據要求的個體特征信息，采用機器學習向量機算法從病理多維數據集尋找一個指定維度的分類邊界，從而得出目標多維數據集，通過以上過程的反復k次進行構建多張抽樣的歷史表，然后通過C4.5決策樹算法對每個抽樣的歷史表進行計算，以最多的結果作為最終的判斷結果，從而得出符合要求的個體病例的病理數據，將病例數據根據時間節點動態輸出，模擬出個性化的病例。

附圖說明

圖1是本發明的系統原理圖。

具體實施方式

在圖1中，首先從病例數據文件中，將特定病癥的病理數據進行檢索，根據性別、年齡、身高、體重、遺傳病史、地區、時間節點等信息熵生成用于機器學習算法訓練數據的病理多維數據集，病理多維數據集隨著時間和病例數據的增加不斷更新，在需要進行個性化病例模擬時，根據要求的個體特征信息，采用機器學習向量機算法從病理多維數據集尋找一個指定維度的分類邊界，從而得出目標多維數據集，通過以上過程的反復k次進行構建多張抽樣的歷史表，然后通過C4.5決策樹算法對每個抽樣的歷史表進行計算，以投票最多的結果作為最終的判斷結果，從而得出符合要求的帶有時間維度的個體病例的病理數據，將病例數據根據時間節點動態輸出，模擬出個性化的病例。