[發明專利]消化內科電子數據分析方法

在審

• 申請號: 201910454851.6
• 申請日: 2019-05-29
• 公開（公告）號: CN110223770A
• 公開（公告）日: 2019-09-10
• 發明（設計）人: 李霄劍;王亞雷;丁帥;孫斌;張宏敏;李楊
• 申請（專利權）人: 合肥工業大學;安徽醫科大學第一附屬醫院
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H70/60;G06K9/62
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

1.一種消化內科電子數據分析方法，其特征在于，包括：

獲取腸鏡檢查結果及病理檢查結論，并將所述腸鏡檢查結果和所述病理檢查結論進行比較，得出腸癌分析結果；

針對所述腸癌分析結果統計特征，構建非齊次泊松過程NHPP類疾病分析可靠性增長模型；

訓練支持向量機SVM模型，以模型準確率為評估指標，將所述NHPP類疾病分析可靠性增長模型在每一時間的可靠性結果作為懲罰因子，聯合損失函數一起優化SVM模型，進行腸癌判斷。

2.根據權利要求1所述的方法，其特征在于，所述獲取腸鏡檢查結果及病理檢查結論，并將所述腸鏡檢查結果和所述病理檢查結論進行比較，得出腸癌分析結果包括：

從同一個病患的腸鏡檢查報告和病理檢查報告中提取特征信息，依據相應特征信息進行報告拼接整合；在對數據進行整合的過程中，以病理檢查結果為準；其中，所述提取特征信息包括：文本型特征的提取、時間特征的提取和病人基本信息特征的提取；

將所述文本型特征集成起來構建特征空間，從病理檢查報告中提出相應疾病類別的描述詞作為標簽，構造輸出空間，為特征空間各個特征的屬性取值以及輸出空間設定數值編碼規則，通過設定好的數值編碼規則，對整合后的報告數據進行數值化表示，使其成為計算機和算法模型可識別和學習的數值型數據；

在對數據進行數值化表示后，以病理檢查結論為最終結論，將腸鏡檢查結論和病理檢查結論進行比較，以月為時間劃分維度，統計出腸癌每個月的分析結果。

3.根據權利要求2所述的方法，其特征在于，

所述文本型特征的提取包括：對腸鏡檢查文本數據所做的文本處理稱為醫療語言處理，這一過程中主要完成對腸鏡檢查文本數據的分詞、噪聲消除，并提取特定病癥的陽性描述作為特征信息；

所述時間特征的提取包括：檢查日期在檢查報告中是區間編碼劃分的字符串型數據，包括年月日，從中抽取月作為時間特征；

所述病人基本信息特征的提取包括：提取的特征包括性別、年齡、職業。

4.根據權利要求1所述的方法，其特征在于，所述針對所述腸癌分析結果統計特征，構建非齊次泊松過程NHPP類疾病分析可靠性增長模型包括：

設置非齊次泊松過程NHPP；

構建NHPP類計算結果可靠性增長模型框架；

構建符合實際情況的NHPP類疾病可靠性增長模型；

對符合實際情況的NHPP類疾病可靠性增長模型中的參數估計。

5.根據權利要求4所述的方法，其特征在于，所述設置非齊次泊松過程NHPP包括：

設置一隨機的計數過程{N(t)，t≥0}滿足A1至A4：N代表一個計數過程，可以表示數量的多少，t表示時間；

A1：N(0)＝0；

A2：{N(t)，t≥0}是一個獨立的增量過程；

A3：P{[N(t+Δt)-N(t)]＝1}＝λ(t)Δt+o(Δt)；

λ(t)表示非齊次泊松過程的強度函數，Δt表示一個時間間隔，o(Δt)表示Δt的高階無窮小函數；

A4：P{N(t)-N(s)≥2}＝o(Δt)；

則稱{N(t)，t≥0}為具有強度λ(t)的非齊次泊松過程，當λ(t)＝λ時，非齊次泊松過程就是普通的齊次泊松過程；

非齊次泊松過程的概率分布公式如下所示：

S表示下一個時間，與t含義相同；

N(t)：在[0，t]時間段內發現的累計分析錯誤次數；

m(t)：[0，t]時間段內累計分析錯誤次數的期望值，m(t)＝E[N(t)]；

x(t)：到時刻t為止，被檢測到且屬于重復錯診的分析錯誤次數；

a(t)：疾病錯診總數函數，表示到時刻t為止，病例中統計到的分析錯誤次數總和；

a₀：統計開始時病例中存在的計算錯誤次數；

b：計算錯誤率，表示病例中每個錯誤被統計到的概率；

p(t)：錯誤重復率函數，表示在時刻t，每個被檢測到的錯誤屬于重復出現的概率；

R(x|t)：疾病可靠性函數，表示從時刻t開始到t+x時間段內，疾病分析的可靠性。