[發明專利]基于加權核回歸和封裝式偏差搜索的綜合年齡檢測系統

有效

• 申請號: 201810655429.2
• 申請日: 2018-06-23
• 公開（公告）號: CN109192315B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 李勇明;肖潔;王品;鄭源林;顏芳;李新科
• 申請（專利權）人: 重慶大學
• 主分類號: G16H50/70
• 分類號: G16H50/70;G06K9/62;G06F17/18
• 代理公司: 重慶敏創專利代理事務所(普通合伙) 50253
• 代理人: 陳千

本發明提供了一種基于加權核回歸和封裝式偏差搜索的綜合年齡檢測系統，其特征在于包括：數據采集設備、實際年齡輸入設備、存儲器、預處理模塊、特征壓縮模塊、傳統年齡估計模塊、病理年齡估計模塊、加權核回歸模塊以及結果輸出模塊。其效果是：該系統克服了傳統年齡估計方法與病理年齡估計方法的不足，在提高估計年齡分類能力同時有效地控制了正常人的實際年齡估計誤差。整個框架算法原理明確，實現方便，對健康人或病人的年齡及健康狀態的探測更具有科學依據，可靠度高，可行性強。

技術領域

本發明涉及生物醫學電子中的信息檢測技術，屬于生物信息檢測與人工智能的交叉技術，具體涉及一種基于加權核回歸和封裝式偏差搜索的綜合年齡檢測系統。

背景技術

醫療數據中蘊含著許多非常有價值的信息資源，這些資源對于相關病例的診療以及醫學方面的研究發展都具有非常重要的意義。醫療數據挖掘用于年齡檢測和分類診斷已被證明是一種有效方式。研究表明，年齡與疾病發生發展過程有著緊密聯系。年齡是一種高質量的特征，其可以深度刻畫疾病狀態和變化過程，具有全局性、深刻性、穩定性等優點，是潛在的高效標記物，目前已成為研究熱點。

目前通過醫療數據挖掘估計年齡信息實現疾病檢測和診斷已取得了一定成效，現有技術主要是傳統年齡估計方法與病理年齡估計方法兩種，但是這些方法都存在一定問題。傳統年齡估計方法存在以下問題：1)訓練回歸模型的過程中未利用疾病患者樣本；2)估計年齡隨著疾病狀態的不同而改變，實際年齡與估計年齡之間的偏差也因疾病的狀態不同而改變，因此將實際年齡作為訓練標簽是不合理的；3)直接通過最小化誤差函數MAE搜索最優檢測模型。MAE是指估計年齡與實際年齡之間的平均絕對誤差，最小化MAE就是使估計年齡逼近實際年齡。因此，傳統年齡估計方法不利于提高估計年齡的分類能力，而病理年齡估計方法未考慮對正常人實際年齡估計誤差的控制。

現有技術無法兼顧估計提高年齡分類能力與有效控制正常人實際年齡估計誤差這個兩個指標，存在對估計年齡指標考慮不足的問題。

發明內容

本申請通過提供一種加權核回歸和封裝式偏差搜索的綜合年齡檢測系統，解決現有的技術無法兼顧估計提高年齡分類能力與有效控制正常人實際年齡估計誤差的問題。

為達到上述目的，本發明采用的技術方案如下：

一種基于加權核回歸和封裝式偏差搜索的綜合年齡檢測系統，其關鍵在于包括：

數據采集設備：用于采集醫療數據，并將采集到的醫療數據輸入到存儲器中；

實際年齡輸入設備：用于輸入實際年齡信息到存儲器中；

存儲器：用于存儲樣本數據庫；

預處理模塊：從存儲器的各個數據庫中獲取醫療數據并進行數據清洗；

特征壓縮模塊：對數據進行壓縮，去掉冗余特征；

傳統年齡估計模塊：基于正常人樣本建立回歸模型，訓練標簽為實際年齡，通過最小化估計年齡和實際年齡差異進行模型訓練；

病理年齡估計模塊：基于所有類別樣本建立回歸模型，引入年齡偏差表征病理年齡和實際年齡差異，訓練標簽為實際年齡加年齡偏差，通過最大化分類準確率來搜索最優年齡偏差，并將得到的最優年齡偏差封裝至病理年齡估計模型中；

加權核回歸模塊：用于對傳統年齡估計模塊輸出傳統年齡和病理年齡估計模塊輸出的病理年齡進行加權集成，得到綜合年齡檢測結果；

結果輸出模塊：用于輸出所述綜合年齡檢測結果。

進一步地，所述存儲器中設有PA樣本數據庫、NC樣本數據庫以及待測樣本數據庫；

所述PA樣本數據庫：用于存儲疾病患者醫療數據和對應的實際年齡信息；