[發(fā)明專(zhuān)利]一種基于多模型融合的醫(yī)院感染智能診斷方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910347848.4
• 申請(qǐng)日: 2019-04-28
• 公開(kāi)（公告）號(hào): CN110097975A
• 公開(kāi)（公告）日: 2019-08-06
• 發(fā)明（設(shè)計(jì)）人: 彭訪(fǎng);蔡志平;方勝群;李振華
• 申請(qǐng)（專(zhuān)利權(quán)）人: 湖南省藍(lán)蜻蜓網(wǎng)絡(luò)科技有限公司
• 主分類(lèi)號(hào): G16H50/70
• 分類(lèi)號(hào): G16H50/70;G16H50/20;G16H10/60
• 代理公司: 長(zhǎng)沙國(guó)科天河知識(shí)產(chǎn)權(quán)代理有限公司 43225
• 代理人: 邱軼

本發(fā)明公開(kāi)一種基于多模型的醫(yī)院感染智能診斷方法及系統(tǒng)，包括：獲取與醫(yī)院感染相關(guān)的若干病歷數(shù)據(jù)；對(duì)病歷數(shù)據(jù)進(jìn)行預(yù)處理，獲得若干離散的與每份病歷數(shù)據(jù)對(duì)應(yīng)的單詞列表；對(duì)所有的單詞列表按照比例劃分為訓(xùn)練集和測(cè)試集；在所述訓(xùn)練集針對(duì)不同的感染類(lèi)型獲得最優(yōu)特征集；對(duì)兩種以上的基模型分別進(jìn)行調(diào)參，選擇最優(yōu)參數(shù)獲得兩種以上最優(yōu)基模型，對(duì)所有所述最優(yōu)基模型進(jìn)行融合，獲得診斷模型；用測(cè)試集對(duì)診斷模型進(jìn)行測(cè)試，并分析診斷模型的性能。該方案解決了的診斷模型單一導(dǎo)致的準(zhǔn)確性低及漏報(bào)率高問(wèn)題，通過(guò)多種模型融合獲得診斷模型以提高診斷的準(zhǔn)確性并降低漏報(bào)率。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其是一種基于多模型的醫(yī)院感染智能診斷方法及系統(tǒng)。

背景技術(shù)

醫(yī)院感染指住院病人在醫(yī)院內(nèi)獲得的感染，通常診斷步驟可分為兩步：首先通過(guò)臨床資料、實(shí)驗(yàn)室檢查結(jié)果及各種專(zhuān)業(yè)診斷指標(biāo)來(lái)判斷是否感染；然后分析感染是否屬于醫(yī)院感染。醫(yī)院感染的診斷原則分為兩類(lèi)，對(duì)于有明確潛伏期的感染性疾病，自入院第一天開(kāi)始計(jì)算，平均潛伏期后發(fā)生的感染為醫(yī)院感染，對(duì)潛伏期不明確者一般認(rèn)為入院48h后發(fā)生的感染可初步判定為醫(yī)院感染。從這兩個(gè)步驟可以看出，對(duì)于醫(yī)院感染的診斷，最關(guān)鍵的步驟為判斷病人是否感染，而由于感染類(lèi)型眾多，如上呼吸道感染、泌尿道感染等，且部分感染間臨床表現(xiàn)十分相似，區(qū)分難度大，如依據(jù)臨床表現(xiàn)診斷的肺炎和有特異的實(shí)驗(yàn)檢查發(fā)現(xiàn)的肺炎癥狀表現(xiàn)就十分相似，都包含如呼吸音粗、呼吸急促、干濕啰音等癥狀，只能通過(guò)實(shí)驗(yàn)檢查才能有效區(qū)分。因此，一個(gè)可以輔助進(jìn)行感染診斷的智能診斷系統(tǒng)對(duì)于醫(yī)護(hù)人員來(lái)說(shuō)十分重要。

對(duì)于輔助感染診斷的方式主要分為兩類(lèi)：(1)基于知識(shí)庫(kù)的專(zhuān)家系統(tǒng)；對(duì)于基于知識(shí)庫(kù)的專(zhuān)家系統(tǒng)，這類(lèi)系統(tǒng)利用計(jì)算機(jī)技術(shù)，模擬醫(yī)學(xué)專(zhuān)家處理醫(yī)學(xué)數(shù)據(jù)(如電子病歷)并完成分析、診斷、治療疾病的過(guò)程。醫(yī)療專(zhuān)家系統(tǒng)主要可分為4個(gè)類(lèi)型：咨詢(xún)型、教學(xué)輔助型、臨床診斷與治療型、自動(dòng)診斷識(shí)別型。但是這類(lèi)專(zhuān)家系統(tǒng)中，由于諸多原因真正能為醫(yī)生所接受并投入臨床使用的卻為數(shù)極少。

(2)基于機(jī)器學(xué)習(xí)的智能診斷。利用機(jī)器學(xué)習(xí)方法建立感染智能診斷模型，主要是利用計(jì)算機(jī)模擬醫(yī)生對(duì)于病人的分析過(guò)程，通過(guò)病歷中包含的體征、癥狀等信息確定病人的感染類(lèi)型，并將病人劃分到某些感染類(lèi)型中，也就是利用機(jī)器學(xué)習(xí)中的分類(lèi)算法，如SVM(支持向量機(jī))、RF(隨機(jī)森林)、Bayes(貝葉斯分類(lèi)器)等，建立病人文本數(shù)據(jù)，如病程信息、影像描述信息、體溫信息等和病人感染情況之間的對(duì)應(yīng)關(guān)系。機(jī)器學(xué)習(xí)建立智能診斷模型的優(yōu)勢(shì)在于：

1、在數(shù)據(jù)量充足的情況下，可以針對(duì)每種感染訓(xùn)練模型，這就有效地減輕了感染類(lèi)型眾多給醫(yī)生診斷造成的困擾；

2、機(jī)器學(xué)習(xí)的特點(diǎn)是從數(shù)據(jù)中挖掘有效信息，所以利用機(jī)器學(xué)習(xí)方法，可以從病人數(shù)據(jù)中發(fā)現(xiàn)不同感染的深度特征，從而有效解決了部分感染間臨床表現(xiàn)十分相似，區(qū)分難度大的問(wèn)題。

但是現(xiàn)有的基于機(jī)器學(xué)習(xí)的智能診斷方法通常采用單個(gè)計(jì)算模型進(jìn)行學(xué)習(xí)和計(jì)算，診斷的準(zhǔn)確率不高，同時(shí)漏報(bào)率較高。

發(fā)明內(nèi)容

本發(fā)明提供一種基于多模型的醫(yī)院感染智能診斷方法及系統(tǒng)，用于克服現(xiàn)有技術(shù)中單個(gè)計(jì)算模型導(dǎo)致的診斷率不高且漏報(bào)率顯著等缺陷，通過(guò)多模型融合對(duì)數(shù)據(jù)進(jìn)行處理，提高診斷的準(zhǔn)確率，且降低漏報(bào)率。

為實(shí)現(xiàn)上述目的，本發(fā)明提出一種基于多模型的醫(yī)院感染智能診斷方法，包括以下步驟：

獲取與醫(yī)院感染相關(guān)的若干病歷數(shù)據(jù)；

對(duì)病歷數(shù)據(jù)進(jìn)行預(yù)處理，獲得若干離散的與每份病歷數(shù)據(jù)對(duì)應(yīng)的單詞列表；

對(duì)所有的單詞列表按照比例劃分為訓(xùn)練集和測(cè)試集；在所述訓(xùn)練集針對(duì)不同的感染類(lèi)型獲得最優(yōu)特征集；

對(duì)兩種以上的基模型分別進(jìn)行調(diào)參，選擇最優(yōu)參數(shù)獲得兩種以上最優(yōu)基模型，對(duì)所有所述最優(yōu)基模型進(jìn)行融合，獲得診斷模型；

用測(cè)試集對(duì)診斷模型進(jìn)行測(cè)試，并分析診斷模型的性能。