[發明專利]一種醫療大數據分析處理系統及方法

在審

• 申請號: 201710152265.7
• 申請日: 2017-03-15
• 公開（公告）號: CN106874693A
• 公開（公告）日: 2017-06-20
• 發明（設計）人: 劉希;武洋;李建麗
• 申請（專利權）人: 國信優易數據有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京青松知識產權代理事務所(特殊普通合伙)11384
• 代理人: 鄭青松

1.一種醫療大數據分析處理系統，其特征在于，包括：

數據采集模塊，采集關于需要預測的疾病并發癥的原始數據，所述原始數據包括病人檢驗指標信息、病人檢驗報告信息和病人就診記錄信息；

數據預處理模塊，對采集的原始數據進行清洗和集成；

數據轉換模塊，對經預處理后的數據利用熵進行離散化處理，以得到為標稱型數據的樣本集；

預測模型構建模塊，構建用于訓練的邏輯回歸模型，從經數據轉換的樣本集中隨機抽取一份數據集作為訓練集，并基于該訓練集對構建的邏輯回歸模型的參數進行求解，以得到最終的預測模型；

預測模型測試模塊，將樣本集中的另一份數據集作為測試集，利用得到的最終的預測模型進行測試，以得到預測結果；

預測結果評估模塊，采用多種評估度量對預測結果的準確性進行評估。

2.根據權利要求1所述的醫療大數據分析處理系統，其特征在于，所述預測模型構建模塊包括：

矩陣構建單元，將訓練集中的m個樣本構建為m×n型矩陣，n為訓練樣本的n個指標；

訓練模型構建單元，基于構建的m×n型矩陣，構建如下式(1)所示的邏輯回歸模型：

y＝Θ^Tx＝θ₀*x₀+θ₁*x₁+...+θ_n*x_n(1)

其中，x＝[x₀,x₁,...,x_m]為矩陣中的n維向量，表示n種檢驗指標的結果，y表示診斷結果，在訓練集中，當病人患有該種疾病時，取值為1，當病人沒有患有該種疾病時，取值為0，Θ^T＝[θ₀,θ₁,...,θ_m]為該n維向量的特征權重向量，為需要求解的模型參數；

參數求解單元，利用極大似然函數對構建的邏輯回歸模型的參數進行求解，所述極大似然函數如下式(2)所示：

L(Θ)＝∏g(Θ^Tx)^y(1-g(Θ^Tx))^1-y(2)

其中，g(Θ^Tx)為將回歸結果y二分化的激勵函數，當g(Θ^Tx)<T時，y＝0，即g(Θ^Tx)^y＝1，(1-g(Θ^Tx))^1-y＝(1-g(Θ^Tx))，當g(Θ^Tx)≧T時，y＝1，即g(Θ^Tx)^y＝g(Θ^Tx)，(1-g(Θ^Tx))^1-y＝1，T為基于期望分類結果所確定的閾值；

對上述公式(2)所示的極大似然函數兩端求導得到其對數似然函數，如下式(3)所示：

l(Θ)＝∑y*log g(Θ^Tx)+(1-y)*log(1-g(Θ^Tx))(3)

通過對上述公式(3)所示的對數似然函數的參數進行求解，可得到用于訓練的邏輯回歸模型的模型參數，從而得到最終的預測模型。

3.根據權利要求2所述的醫療大數據分析處理系統，其特征在于，采用梯度下降法來對所述對數似然函數的參數進行求解，包括如下步驟：

(1)選擇梯度方向

(2)選擇下降步長α，對參數進行更新：

(3)重復以上步驟直至滿足停止條件；

其中，x_i是投影到[0,1]之間的任意變量，y_i是第i個樣本的真實值，y_i^*是該樣本的預測值，λ是防止模型過擬合的結構化系數。