[發明專利]一種大數據醫療數據特征提取和智能分析預測方法

在審

• 申請號: 201811570429.9
• 申請日: 2018-12-21
• 公開（公告）號: CN109686441A
• 公開（公告）日: 2019-04-26
• 發明（設計）人: 王衎清;張倬勝
• 申請（專利權）人: 質直（上海）教育科技有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

1.一種大數據醫療病情診斷和治愈率預測方法，其特征在于，包括：

步驟1，采集病歷數據，并針對數據進行清洗，具體是進行電子化、格式化、歸一化病歷數據，去除無效、無關的數據，作為系統輸入；

步驟2，將輸入病歷數據進行向量化，具體是將中文病歷進行分詞，作為系統輸入的基本單元；

步驟3，挖掘步驟2輸出的病歷數據，并進行信息提取，具體是將病歷數據都表示成向量之后，通過神經網絡提取其中的內在特征和病理，

步驟4，獲取病情診斷和治愈率預測結果；

步驟5，參數調優與更新，機器學習模塊通過訓練使預測值擬合于真實治愈率，計算預測值和真實值之間的誤差(損失函數)，更新系統參數，不斷降低損失，使結果不斷趨向準確。

2.根據權利要求1所述的一種大數據醫療病情診斷和治愈率預測方法，其特征在于，步驟1的具體方法包括：對于不同量綱的數值統一量綱單位；使用歸一化方法統一數值型數據的分布區間，方法為：

歸一化后的數值＝(原數值-最小值)/(最大值-最小值)。

3.根據權利要求1所述的一種大數據醫療病情診斷和治愈率預測方法，其特征在于，步驟2中進行向量化的具體步驟是：

步驟一，建立詞語表，具體是遍歷全部數據，得到全部的詞語集合；

步驟二，將每個詞語轉換成向量，具體是：假設整個病歷集的不重復的詞語數為K，使用自然語言處理中的詞嵌入方法將該K個元素各自映射至特定維度N的向量空間中，得到K×N的映射空間，此時詞表元素表示為(K，N)維度的向量；例如可以通過詞嵌入的方式將“醫療”表示為100維的向量[0.618 0.24911-0.42242 0.1217 0.34527-0.034457…]。

4.根據權利要求1所述的一種大數據醫療病情診斷和治愈率預測方法，其特征在于，步驟3采用神經網絡提取數據中的內在特征和病理，具體方法是：設置向量化后的文本數據為輸入，通過神經網絡(如卷積神經網絡)為的神經元自動計算向量空間中的特征表示，輸出為神經元學習后的特征向量。

5.根據權利要求1所述的一種大數據醫療病情診斷和治愈率預測方法，其特征在于，步驟4中，病情診斷的具體方法包括：

病情診斷可視為機器學習中的多種診斷目標分類任務，具體為將特征向量通過轉換為每種可能病例類型的概率，方法為：

其中a_j是神經網絡輸出的特征向量，j表示類別索引，總的類型數量是T，S_j表示當前元素的指數與所有元素指數和的比值。

6.根據權利要求1所述的一種大數據醫療病情診斷和治愈率預測方法，其特征在于，步驟4中，治愈率預測的具體方法包括：

愈率預測設定為回歸任務，治愈率預測步驟中，將特征向量轉換為0-1的治愈率區間；具體為：在得到h之后可以通過一個sigmoid函數(不僅限該種函數)；

其中a是神經網絡輸出的特征向量，y為治愈率預測結果。

7.根據權利要求1所述的一種大數據醫療病情診斷和治愈率預測方法，其特征在于，步驟5中，損失函數使用回歸擬合計算預測概率和真實值之間的差距；

對于病情診斷使用交叉熵；

對于治愈率采用均方誤差：

其中在上述兩個公式中，y_t為目標類別，預測類別，N表示輸入數據的個數，t表示當前的數據序號。