[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

本發明實施例公開一種消化內科電子數據分析方法，包括：獲取腸鏡檢查結果及病理檢查結論，并將腸鏡檢查結果和病理檢查結論進行比較，得出腸癌分析結果，針對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。本發明實施例能夠對消化內科電子數據進行分析，得到更精確的判斷結果。

技術領域

本發明涉及數據分析領域，尤其涉及一種消化內科電子數據分析方法。

背景技術

腸道檢查結果等醫療數據可以反映腸道情況，如果對腸道檢查結果等醫療數據進行分析，可以了解腸癌情況。如何對腸道檢查結果等醫療數據進行分析是當前需要解決的技術問題。

發明內容

本發明實施例提供一種消化內科電子數據分析方法，能夠對消化內科電子數據進行分析，得到分析結果。

本發明實施例采用如下技術方案：

一種消化內科電子數據分析方法，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。

可選的，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(Label)，構造輸出空間(Label Space)，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(NumericalData)；

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。

可選的，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。

可選的，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類疾病分析可靠性增長模型；

對符合實際情況的NHPP類疾病分析可靠性增長模型中的參數估計。

可選的，所述設置非齊次泊松過程NHPP包括：