[發(fā)明專(zhuān)利]基于電子病歷的疾病癥狀關(guān)聯(lián)分析方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810619124.6
• 申請(qǐng)日: 2018-06-15
• 公開(kāi)（公告）號(hào): CN108806767B
• 公開(kāi)（公告）日: 2021-10-22
• 發(fā)明（設(shè)計(jì)）人: 李芳芳;段昱;毛星亮
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中南大學(xué)
• 主分類(lèi)號(hào): G16H10/60
• 分類(lèi)號(hào): G16H10/60;G16H50/70;G06F16/28;G06F16/2455
• 代理公司: 長(zhǎng)沙永星專(zhuān)利商標(biāo)事務(wù)所(普通合伙) 43001
• 代理人: 周詠;米中業(yè)

本發(fā)明公開(kāi)了一種基于電子病歷的疾病癥狀關(guān)聯(lián)分析方法，包括獲取電子病歷的數(shù)據(jù)并處理；構(gòu)建不平衡數(shù)據(jù)集的分類(lèi)器；采用分類(lèi)器對(duì)疾病癥狀進(jìn)行關(guān)聯(lián)分析。本發(fā)明通過(guò)對(duì)電子病歷進(jìn)行處理獲取基礎(chǔ)數(shù)據(jù)，然后根據(jù)基礎(chǔ)數(shù)據(jù)構(gòu)造相應(yīng)的新型不平衡數(shù)據(jù)集的分類(lèi)器，再利用該分類(lèi)器進(jìn)行疾病與癥狀的關(guān)聯(lián)分析，因此本發(fā)明方法能夠?qū)膊“Y狀進(jìn)行較為準(zhǔn)確的關(guān)聯(lián)，而且方法簡(jiǎn)答、科學(xué)和可靠。

技術(shù)領(lǐng)域

本發(fā)明具體涉及一種基于電子病歷的疾病癥狀關(guān)聯(lián)分析方法。

背景技術(shù)

隨著信息技術(shù)的高速發(fā)展，我國(guó)的醫(yī)療事業(yè)也隨之進(jìn)入了信息化時(shí)代。由于國(guó)家政策的支持以及我國(guó)人口眾多，因此在我國(guó)每天都會(huì)產(chǎn)生大量的醫(yī)療數(shù)據(jù)，而電子病歷(Electronic Medical Record，EMR)是這些醫(yī)療數(shù)據(jù)的主要載體。

隨著智能化時(shí)代的到來(lái)，疾病的診療也已經(jīng)逐步開(kāi)啟了智能化時(shí)代，即利用現(xiàn)有的技術(shù)資料，以及患者的實(shí)際病情和相關(guān)數(shù)據(jù)，對(duì)患者的疾病進(jìn)行輔助性的預(yù)測(cè)或輔助性的預(yù)診斷，從而為醫(yī)護(hù)人員提供一定的幫助。電子病歷中包括了患者的基本信息、疾病癥狀以及疾病種類(lèi)等非常重要的信息，因此對(duì)電子病歷的處理也成為了智能醫(yī)療的基礎(chǔ)工作之一。

在對(duì)電子病歷進(jìn)行分類(lèi)時(shí)，其往往是一個(gè)不平衡數(shù)據(jù)集，那么對(duì)于電子病歷的處理的本質(zhì)就是對(duì)不平衡數(shù)據(jù)集的處理。目前的不平衡數(shù)據(jù)集的分類(lèi)方法，往往較為復(fù)雜，而且精度相對(duì)不高，影響了不平衡數(shù)據(jù)集的分類(lèi)效果。正因如此，對(duì)于電子病歷的處理效果也相對(duì)不佳，從而嚴(yán)重影響了后續(xù)的工作。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種能夠?qū)膊“Y狀進(jìn)行較為準(zhǔn)確的關(guān)聯(lián)的基于電子病歷的疾病癥狀關(guān)聯(lián)分析方法。

本發(fā)明提供的這種基于電子病歷的疾病癥狀關(guān)聯(lián)分析方法，包括如下步驟：

S1.獲取電子病歷的數(shù)據(jù)，對(duì)電子病歷進(jìn)行預(yù)處理并轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)；

S2.構(gòu)建不平衡數(shù)據(jù)集的分類(lèi)器；

S3.根據(jù)步驟S2得到的分類(lèi)器，對(duì)疾病癥狀進(jìn)行關(guān)聯(lián)分析。

步驟S1所述的對(duì)電子病歷進(jìn)行預(yù)處理并轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，具體為采用如下步驟進(jìn)行預(yù)處理和轉(zhuǎn)換：

A.確定電子病歷中的疾病特征；

B.對(duì)電子病歷中的缺失值進(jìn)行填充；

C.對(duì)電子病歷中的連續(xù)特征進(jìn)行離散化處理。

步驟S2所述的構(gòu)建不平衡數(shù)據(jù)集的分類(lèi)器，具體為采用如下步驟構(gòu)建分類(lèi)器：

(1).獲取電子病歷中的訓(xùn)練數(shù)據(jù)，得到訓(xùn)練數(shù)據(jù)的候選頻繁項(xiàng)集；

(2).對(duì)步驟(1)得到的候選頻繁項(xiàng)集進(jìn)行過(guò)濾；

(3).將候選關(guān)聯(lián)規(guī)則分類(lèi)至相應(yīng)類(lèi)別的規(guī)則集合中；

(4).衡量規(guī)則前件和后件的相關(guān)性，從而得到各類(lèi)別相關(guān)的分類(lèi)關(guān)聯(lián)規(guī)則；

(5).以規(guī)則強(qiáng)度作為衡量指標(biāo)對(duì)步驟(4)得到的分類(lèi)關(guān)聯(lián)規(guī)則進(jìn)行過(guò)濾和排序，從而得到分類(lèi)器。

步驟(1)所述的得到訓(xùn)練數(shù)據(jù)的候選頻繁項(xiàng)集，具體為對(duì)訓(xùn)練數(shù)據(jù)采用Apriori算法，同時(shí)設(shè)置最小支持度閾值，從而得到滿足最小支持度閾值的候選頻繁項(xiàng)集。

步驟(2)所述的對(duì)候選頻繁項(xiàng)集進(jìn)行過(guò)濾，具體為設(shè)置最小增比率閾值，然后采用如下規(guī)則進(jìn)行過(guò)濾：

若頻繁項(xiàng)集的增比率低于最小增比率閾值，則將該頻繁項(xiàng)集過(guò)濾；

若頻繁項(xiàng)集的增比率大于或等于最小增比率閾值，則將該頻繁項(xiàng)集保留；

若頻繁項(xiàng)集的增比率無(wú)窮大，則該頻繁項(xiàng)集的增比率定義為該類(lèi)別相關(guān)的所有頻繁項(xiàng)集的增比率的均值。