[發明專利]基于實例和特征共享級聯的疾病預測系統、設備及介質

在審

• 申請號: 202010070744.6
• 申請日: 2020-01-21
• 公開（公告）號: CN111312403A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 王紅;趙麗麗;虞鳳萍;王倩;王彩雨;韓書;李威;莊魯賀;張慧
• 申請（專利權）人: 山東師范大學
• 主分類號: G16H50/80
• 分類號: G16H50/80;G16H50/20;G06F17/18
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

本公開公開了基于實例和特征共享級聯的疾病預測系統、設備及介質，其中系統，包括：待預測數據集獲取模塊，其被配置為：獲取待預測患者的所有疾病特征；待預測數據集預測模塊，其被配置為：將待預測患者的所有疾病特征，輸入到已經訓練好的基于特征和實例遷移的平衡概率分布模型中，輸出待預測患者所患疾病是否為慢性阻塞性肺疾病。

技術領域

本公開涉及疾病輔助診斷技術領域，特別是涉及基于實例和特征共享級聯的疾病預測系統、設備及介質。

背景技術

本部分的陳述僅僅是提到了與本公開相關的背景技術，并不必然構成現有技術。

數據挖掘中，樣本數據越多，其分析、計算結果越可靠。而對于某些樣本容量較小的小樣本數據，如何有效利用小樣本數據的潛在信息進行分析，并保證分析結果的有效性就尤為重要。尤其是在醫學領域，采取適當的方法對數據稀少的疾病進行準確預測有利于提高臨床診斷效率。慢性阻塞性肺疾病(COPD)是一種常見的以持續氣流受限為特征的慢性呼吸道疾病，由于大氣污染及吸煙人數增加等因素，COPD的發病率逐年提升，成為僅次于高血壓、糖尿病的中國第三大常見慢性病，有效的預測模型在慢性呼吸道疾病的診治上扮演著重要角色。本公開會以慢阻肺疾病為例實現對小樣本數據疾病的準確預測。

在實現本公開的過程中，發明人發現現有技術中存在以下技術問題：

目前，一般的數據挖掘方法，特別是基于深度學習的方法都需要大量樣本，這些方法不適合對小樣本數據的疾病分析與診斷。

目前針對小樣本數據疾病預測系統的診斷精度不高。

發明內容

為了解決現有技術的不足，本公開提供了基于實例和特征共享級聯的疾病預測系統、設備及介質；

第一方面，本公開提供了基于實例和特征共享級聯的疾病預測系統；

基于實例和特征共享級聯的疾病預測系統，包括：

待預測數據集獲取模塊，其被配置為：獲取待預測患者的所有疾病特征；

待預測數據集預測模塊，其被配置為：將待預測患者的所有疾病特征，輸入到已經訓練好的基于特征和實例遷移的平衡概率分布模型中，輸出待預測患者所患疾病是否為慢性阻塞性肺疾病。

第二方面，本公開還提供了一種電子設備，包括存儲器和處理器以及存儲在存儲器上并在處理器上運行的計算機指令，所述計算機指令被處理器運行時，完成第一方面所述系統中各個模塊的功能。

第三方面，本公開還提供了一種計算機可讀存儲介質，用于存儲計算機指令，所述計算機指令被處理器執行時，完成第一方面所述系統中各個模塊的功能。

與現有技術相比，本公開的有益效果是：

1、能夠利用該模型預測待預測疾病是否是慢性阻塞性肺疾病，是輔助醫生進行診斷治療的系統。

2、利用病人共有實例和特征，使用實例和特征共享級聯方法對小樣本數據的疾病診斷系統尚未出現。

3、本公開可以減少診斷整體誤差，實現更高的分類準確率。使用實例共享級聯學習的方法初始化訓練數據的權值分布，獲得與目標域更為接近的實例數據；

4、通過特征共享級聯學習方法，傳遞相關數據的共享特征子集；

5、引入平衡參數λ，調整特征共享級聯模塊輸出特征的邊緣概率分布和條件概率分布，對兩類概率分布融合，并根據參數λ，預測源域和目標域的相似性。

6、構造預訓練的基于實例和特征共享級聯模型，使用彈性網絡對模型進行優化，并對模型進行測試，且該模型具有結構簡單、高效的特點。

附圖說明