[發明專利]一種基于大數據的血液病智能分類系統

在審

• 申請號: 201711376232.7
• 申請日: 2017-12-19
• 公開（公告）號: CN107945871A
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 袁斌;趙鵬;駱英華
• 申請（專利權）人: 貴州醫科大學附屬醫院
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70;G06F17/30
• 代理公司: 北京國坤專利代理事務所(普通合伙)11491
• 代理人: 趙紅霞

技術領域

本發明屬于醫療信息化系統領域，尤其涉及一種基于大數據的血液病智能分類系統。

背景技術

目前，現代社會正處于大數據時代，各個領域都受益于大數據所帶來的便利，然而，大數據在醫學領域的應用還及其稀少，尤其因為醫生的個人經驗不同，所判斷的病情也不盡相同，還存在誤診的可能性，對病人造成很大的影響。

綜上所述，現有技術存在的問題是：大數據在醫學領域應用匱乏，醫生個人經驗不同導致病情診斷有誤，無法現代社會的需要。

發明內容

針對現有技術存在的問題，本發明提供了一種基于大數據的血液病智能分類系統。

本發明是這樣實現的，一種基于大數據的血液病智能分類系統設置有：

信息輸入模塊、服務器、數據采集模塊、數據存儲模塊、數據分割模塊、特征病理信息提取模塊、數據預處理模塊、特征數據生成模塊、病例數據庫檢索模塊；病例分類模塊；病例生成模塊、數據顯示模塊。

所述服務器包括數據采集模塊、數據存儲模塊、數據分割模塊、特征病理信息提取模塊、數據預處理模塊、特征數據生成模塊、病例數據庫檢索模塊；病例分類模塊；病例生成模塊。所述數據采集模塊、數據存儲模塊、所述數據分割模塊、特征病理信息提取模塊、數據預處理模塊、特征數據生成模塊、病例數據庫檢索模塊；病例分類模塊；病例生成模塊依次首尾電連接；

所述數據采集模塊數據聚合方法的步驟如下：

步驟一，在面積為S＝LL的部署區域內，隨機分布N個同構的無線傳感器節點，sink節點位于部署區域之外，節點處理整個無線傳感器網絡內收集到的數據；

步驟二，非均勻成簇

sink節點位于部署區域的上方；首先部署區域X軸劃分為S個泳道，所有泳道有相同的寬度w，并且每個泳道的長度與部署區域的長度相等；用從1到s作為泳道的ID，最左端的泳道的ID為1，然后每個泳道沿著y軸劃分為多個矩形網格，每個泳道中的每個網格都被定義一個水平，最下端的網格的水平為1，每個網格和每個泳道有相同的寬度w；每個泳道中網格的個數、長度與泳道到sink的距離有關；通過設置網格的長度來調整網格的大小；針對不同的泳道，距離sink越遠的泳道含有的網格數目越小；針對同一泳道，距離sink越遠的網格的長度越大；假設A中含有S個元素，第k個元素表示在第k個泳道中網格的數目；每個網格用一個數組(i，j)作為ID，表示第i個泳道有水平j；定義S個數組表示網格的長度，第v個數組H_v表示第v個泳道中網格的長度，并且H_v的第w個元素h_vw表示網格(v，w)的長度；網格(i，j)的邊界為：

o_x+(i-1)×w＜x≤o_x+i×w

非均勻網格劃分好之后進行成簇階段；算法分為很多輪進行，在每輪中選取每個網格中剩余能量最大的節點作為簇首節點，其余節點根據就近原則加入簇，然后再進行數據聚合；

步驟三，格拉布斯預處理

傳感器節點需要對收集的數據進行預處理，然后再向簇首節點傳輸數據；采用格拉布斯預準則對傳感器節點所采集到的數據進行預處理假設某個簇首節點含有個傳感器節點，傳感器節點收集到的數據為x₁,x₂,…,x_n，服從正態分布，并設：

v_i＝x_i-x₀，

根據順序統計原理，計算格拉布斯統計量：

給定顯著性水平(α＝0.05)之后，測量值滿足g_i≤g₀(n,α)，則認為測量值有效，測量值參與到下一層次的數據聚合；反之，則認為測量值無效，因此需要剔除，即不參與到下一層次的數據聚合；

步驟四，自適應聚合算法

通過迭代得到各個節點測量數據的無偏估計值，求取各個傳感器節點的測量數據值與估計值之間的歐式距離，以歸一化的歐式距離作為自適應加權融和的權值；選用簇中的傳感器節點采集到的數據的最大值與最小值的平均值作為中心數據；

某個簇中有個傳感器節點，用維列向量D＝(d₁,d₂,…,d_n)表示相應節點的測量值，通過計算各個節點數據與中心數據的歐式距離反應不同節點數據與中心數據之間的偏差大小，其中l_i的計算公式為：