[發明專利]一種基于人工智能的新型冠狀病毒患者病況分類系統

在審

• 申請號: 202010163049.4
• 申請日: 2020-03-10
• 公開（公告）號: CN111446002A
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 袁燁;孫川;嚴麗;徐卉;王茂霖;郭裕祺;唐秀川;張海濤;肖陽
• 申請（專利權）人: 華中科技大學
• 主分類號: G16H50/80
• 分類號: G16H50/80
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

1.一種基于人工智能的新型冠狀病毒患者病況分類系統，其特征在于，包括：分類模型獲取模塊、預處理模塊以及病況分類模塊；

所述分類模型獲取模塊，用于訓練一個或多個根據患者數據對患者病況進行分類的二分類模型，并從中獲取準確性最高的二分類模型作為目標模型，同時確定患者數據中的可解釋的特征；

所述預處理模塊，用于提取待分類患者數據中的可解釋的特征后，對所提取的特征進行預處理，以填充其中的缺失值并替換其中的異常值，從而在預處理結束后得到待分類特征；

所述病況分類模塊，用于以所述待分類特征為所述目標模型的輸入，利用所述目標模型完成對所述待分類患者的病況分類。

2.如權利要求1所述的基于人工智能的新型冠狀病毒患者病況分類系統，其特征在于，所述分類模型獲取模塊包括：預處理單元、數據集劃分單元、N個模型訓練單元、決策單元以及模型重訓練單元；

所述預處理單元，用于對已標注兩類數據標簽的醫學檢測數據進行預處理，以填充其中的缺失值并替換其中的異常值，從而在預處理結束后得到數據集；

所述數據集劃分單元，用于按照預設的比例將所述數據集劃分為訓練集、驗證集和測試集；

所述N個模型訓練單元中的每一個模型訓練單元，用于建立一個根據患者數據對患者病況進行分類的二分類模型，在設置類別權重后，利用所述訓練集和所述驗證集分別對所建立的二分類模型進行訓練和驗證，并利用所述測試集評估已訓練好的二分類模型的準確性；所述N個模型訓練單元所建立的N個二分類模型互不相同，每一個二分類模型在訓練結束后，輸出特征重要度；

所述決策單元，用于從已訓練好的N個二分類模型中選取準確性最高二分類模型作為候選模型，并根據所述候選模型輸出的特征重要度，選取特征重要度最高的前K項特征作為可解釋的特征；

所述模型重訓練單元，用于剔除所述訓練集和所述驗證集中可解釋的特征之外的特征，并利用新的訓練集和驗證集對所述候選模型進行訓練和驗證，從而在訓練完成后，得到最優的二分類模型，將其作為目標模型；

其中，N和K均為正整數。

3.如權利要求2所述的基于人工智能的新型冠狀病毒患者病況分類系統，其特征在于，各模型訓練單元在訓練和驗證二分類模型時，采用M折交叉驗證；

其中，M為正整數。

4.如權利要求3所述的基于人工智能的新型冠狀病毒患者病況分類系統，其特征在于，所述M折交叉驗證為M折分層交叉驗證，并且每折交叉驗證中兩類數據的比例是相同的。

5.如權利要求2所述的基于人工智能的新型冠狀病毒患者病況分類系統，其特征在于，準確性以準確率和F1-score為評價指標，并且準確率的優先級高于F1-score。

6.如權利要求2所述的基于人工智能的新型冠狀病毒患者病況分類系統，其特征在于，N＝5，并且5個模型訓練單元所建立的二分類模型分別為：XGBoost、LightGBM、隨機森林、CatBoost和邏輯回歸。

7.如權利要求2所述的基于人工智能的新型冠狀病毒患者病況分類系統，其特征在于，分類模型獲取模塊還包括：特征可視化單元；

所述特征可視化單元用于對所述決策單元所選取的可解釋的特征進行可視化操作。

8.如權利要求1或2所述的基于人工智能的新型冠狀病毒患者病況分類系統，其特征在于，預處理操作包括：

使用預設的填充值x填充缺失數據；

對于每一項特征，若其值大于該項特征第H百分位或小于第L百分位數的值，則根據誤差檢測準則判斷該特征值是否為異常值，并在判定該特征值是異常值時，使用預設的替換值y替換掉該特征值；

其中，L和H均為正整數，且0LH100。

9.如權利要求1或2所述的基于人工智能的新型冠狀病毒患者病況分類系統，其特征在于，所述誤差檢測準則為3σ法則。

10.如權利要求1或2所述的基于人工智能的新型冠狀病毒患者病況分類系統，其特征在于，還包括：交互模塊；

所述交互模塊用于輸入待分類患者數據，并對病況分類結果進行可視化顯示。