[發明專利]基于異構特征融合的冠心病風險預測方法、模型及系統

有效

• 申請號: 201810767394.1
• 申請日: 2018-07-13
• 公開（公告）號: CN109117864B
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 高英;羅雄文;沈雄
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04;G16H50/30
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝;鄭澤萍

本發明公開了一種基于異構特征融合的冠心病風險預測方法、模型及系統，該冠心病風險預測模型通過以下步驟訓練獲得：S1、從多個來源采集批量病人的病理數據，并進行預處理；S2、對預處理后的多個來源的病理數據進行特征提取及篩選，獲得多個與冠心病風險相關的特征集；S3、對獲得的多個特征集進行特征篩選，對應獲得篩選后的多個特征子集；S4、基于多個特征子集，采用階段集成學習方法，完成多源異構特征信息的融合，逐步訓練獲得冠心病風險預測模型。本發明避免了人為主觀因素對冠心病風險預測模型的影響，提高了冠心病風險預測模型的效率和精度，擴大了適用范圍，而且降低了模型的構建成本，可廣泛應用于數據處理領域中。

技術領域

本發明涉及數據處理領域，特別是涉及基于異構特征融合的冠心病風險預測方法、模型及系統。

背景技術

目前大多數冠心病風險預測模型都采用傳統的基于統計分析的單特征或多特征建模方法，這類方法需要花費大量的時間去搜集和分析臨床數據，并依靠有經驗醫生的先驗知識來選取與疾病相關的危險因子，還需要通過定期的治后回訪與調查來校檢并修正模型，因此模型的建模過程將耗費大量的人力和財力。由于傳統建模方法必須依賴醫生的經驗，而不同醫生之間的經驗水平往往差距較大，所以所選取的模型危險因子往往精度不高，從而導致冠心病風險預測模型的適用范圍很窄，比如只適用于某個地區的人群，缺乏通用性。

總的來說，目前的冠心病風險預測模型存在效率低、成本高、精度低、適用范圍窄以及受人為主觀因素的干擾等問題。

名詞解釋

Haar：一種用于描述區域對比度變化幅度的特征，常用于提取較為明顯的圖像邊緣特性，并且常與級聯分類器組合來進行對象檢測。

Tamura：一種基于人類視覺的自動紋理提取方法，根據人類視覺感知從心理學的角度采用一系列統計量對圖像紋理進行描述。

NMF：非負矩陣分解，用于將訓練集的數據矩陣分解為兩個非負矩陣，執行降維操作時，根據所需下降的維度數，從左部的非負矩陣中選取一個子矩陣來實現數據的降維。

ESR級聯形狀回歸器：一種基于形狀索引的兩級集成預測算法，由多個強回歸器級聯而成，強回歸器可以靈活選擇，通常需要通過多個弱回歸器集成得到，常用于特征點檢測。

VGG網絡：一種使用小卷積核和多層卷積完成圖像特征學習的深度網絡，有五種經典配置，可以根據圖像的像素范圍靈活選取。

Adaboost：一種通過錯判率去自適應調整弱學習器權重的集成學習算法，后續迭代訓練的弱學習器會根據前面弱學習器提供的判別信息逐步得到提升。

隨機森林：一種針對子特征集訓練多個樹狀弱學習器，并通過加權投票集成來進行分類或預測的算法，弱學習器的訓練相互獨立、互不影響。

GBDT回歸森林：一種通過迭代進行回歸樹集成的算法，迭代后期的回歸樹會根據前期回歸樹傳遞的梯度信息進行提升，有較好的泛化能力。

xgboost回歸森林：一種大規模并行的集成回歸樹算法，每一棵回歸樹均可以在特征粒度上并行進行訓練，同時不同回歸樹的訓練也是并行的。

K近鄰算法：一種通過樣本空間中與輸入樣本距離最近的K個樣本的類別分布來決定輸入樣本所屬類別的“懶學習”機器學習算法，不需要通過訓練樣本來訓練模型參數。

opencv：一個幾乎包括了計算機視覺領域的所有經典算法和工具的重量級圖像庫，大部分的與圖像處理各個流程相關的任務都可以使用它進行處理。

pandas：一個專門用于解決數據分析任務的python庫，包含了大量快捷簡便的數據處理工具與函數，適用于高效地操作大型數據集。

sklearn：一個標準機器學習算法庫，包括了所有經典機器學習算法，可以通過它完成各種機器學習相關的算法研究和產品設計等任務。