[發明專利]一種應用于臨床數據的自動搜索機器學習系統及方法

有效

• 申請號: 201710641052.0
• 申請日: 2017-07-31
• 公開（公告）號: CN107480435B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 李青海;簡宋全;鄒立斌;侯大勇
• 申請（專利權）人: 廣東精點數據科技股份有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G16H50/50;G16H50/70
• 代理公司: 重慶強大凱創專利代理事務所(普通合伙) 50217
• 代理人: 隋金艷;陳家輝

1.一種應用于臨床數據的自動搜索機器學習方法，其特征在于，包括如下步驟：

S1：臨床參數提取，將臨床參數記錄在EAV文件或者EXCEL文件中；

S2：參數篩選，用MapReduce模型框架在SPARK引擎上執行樞軸，在SPARK上執行樞軸用來提取有效的臨床參數；

S3：在機器內預制若干的推薦算法模型，然后建立SQL語句執行可視化查詢，根據EAV文件或者EXCEL文件內容向用戶展示可調用的相關算法，機器通過S4步驟自主確定推薦算法模型及推薦算法參數；機器的學習功能通過修改開源代碼或是調用MLlib的java的應用程序界面來實現機器學習函數；機器通過Weka實現確定算法模型與S4步驟共同確定算法模型；

S4：調用機器學習函數，利用樣本進行機器訓練，輸出符合要求的精度的推薦算法模型及參數，然后根據精度確定S3中推薦算法模型，再調用推薦算法中相應的推薦算法參數，并提取該模型下的精度差閾值τ；

S5：根據S3和S4中確定的算法和精確度差閾值τ生成關聯表，將每個EAV文件或者EXCEL文件處理成對應的關聯表，每個關聯表生成時，輸出界面顯示第一批元組；

S6：校準提醒，機器對第一批元組進行模型精確度預估，若機器給出了比精確度差閾值τ更低的推薦算法模型精確度，則提醒用戶返回S1增加臨床參數的樣本容量，隨著步驟S6的迭代次數的增加，逐漸減小精確度差閾值τ。

2.一種應用于臨床數據的自動搜索機器學習系統，其特征在于，包括：

采樣模塊，用于將臨床參數記錄在EAV文件或者EXCEL文件中；

篩選模塊，用于MapReduce模型框架在SPARK引擎上執行樞軸，并在SPARK上執行樞軸用來提取有效的臨床參數；

算法選擇模塊，算法選擇模塊內置有預先訓練使其具有用戶要求的精確度的模型機器學習函數；算法選擇模塊用于存儲算法模型并與顯示模塊配合提供可視化查詢，算法選擇模塊根據EAV文件或者EXCEL文件內容向用戶展示確定調用的相關算法模型，算法選擇模塊提取該模型下的精確度差閾值τ；

算法執行模塊，用于執行算法選擇模塊選定的推薦算法模型，并根據精確度差閾值τ生成關聯表，將每個EAV文件或者EXCEL文件處理成對應的關聯表；

顯示模塊，用于在每個關聯表生成后，顯示第一批元組；

返回提醒模塊，用于對第一批元組進行模型精確度預估，若結果比精確度差閾值τ更低的模型精確度，則提醒用戶在采樣模塊中增加臨床參數的樣本容量。