[發(fā)明專利]一種基于XGBoost的眼屈光矯正多源數(shù)據(jù)自動(dòng)分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010234736.0
• 申請(qǐng)日: 2020-03-30
• 公開(kāi)（公告）號(hào): CN111414972B
• 公開(kāi)（公告）日: 2023-09-05
• 發(fā)明（設(shè)計(jì)）人: 王雁;馬嬌楠;孟祥冰
• 申請(qǐng)（專利權(quán)）人: 王雁
• 主分類號(hào): G06F18/214
• 分類號(hào): G06F18/214;G06F18/2415;G06F18/243;G06N20/00;G16H20/40;G16H50/70
• 代理公司: 天津盛理知識(shí)產(chǎn)權(quán)代理有限公司 12209
• 代理人: 陳娟

本發(fā)明涉及一種基于XGBoost的眼屈光矯正多源數(shù)據(jù)自動(dòng)分類方法，利用眼科醫(yī)生的臨床經(jīng)驗(yàn)與統(tǒng)計(jì)策略相結(jié)合的方案，挑選出與眼屈光數(shù)據(jù)分類相關(guān)的屬性特征作為訓(xùn)練所用的最原始的特征；基于篩選之后的數(shù)據(jù)，利用XGBoost算法按照其特征重要性進(jìn)一步進(jìn)行特征篩選，選取與目標(biāo)最為相關(guān)的相關(guān)屬性特征；基于選取的訓(xùn)練樣本，考慮樣本不均衡的問(wèn)題給予每個(gè)樣本以不同權(quán)重以及避免訓(xùn)練過(guò)擬合設(shè)置相應(yīng)的早停函數(shù)，訓(xùn)練XGBoost模型用以對(duì)樣本進(jìn)行分類。本發(fā)明可有效提高基于多源數(shù)據(jù)分類的準(zhǔn)確性，并在訓(xùn)練過(guò)程中不需要人工干預(yù)，縮短了訓(xùn)練時(shí)間，提高了訓(xùn)練效率。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器學(xué)習(xí)算法應(yīng)用于醫(yī)學(xué)數(shù)據(jù)處理領(lǐng)域，涉及機(jī)器學(xué)習(xí)技術(shù)，尤其涉及一種利用基于XGBoost模型的集成學(xué)習(xí)方法對(duì)眼科的角膜屈光矯正多源數(shù)據(jù)進(jìn)行自動(dòng)分類的算法方案。

背景技術(shù)

近視已成為全世界導(dǎo)致視力損害的首要因素，不僅成為全球關(guān)注的焦點(diǎn)醫(yī)學(xué)問(wèn)題之一，也是一項(xiàng)重要社會(huì)問(wèn)題。每年都有大量人群存在近視矯正的需求，因此需要尋求安全有效精準(zhǔn)的矯正方法。目前角膜屈光手術(shù)是青年人群矯正近視的主要手段，中國(guó)每年接受屈光手術(shù)的人群已逾百萬(wàn)。角膜屈光手術(shù)包括多種手術(shù)方式，不同方式的選擇是基于對(duì)多源臨床數(shù)據(jù)分析后的分類，其對(duì)于屈光狀態(tài)的診斷、屈光不正矯正方案的合理制定起著至關(guān)重要的作用。目前眼屈光矯正的多源數(shù)據(jù)主要包括患者的人口學(xué)資料、眼病史、眼屈光度數(shù)及角膜的形態(tài)學(xué)等，其存在多種來(lái)源、數(shù)據(jù)類型不統(tǒng)一、分類指征交叉、數(shù)據(jù)存在缺失值等特征，在傳統(tǒng)的臨床數(shù)據(jù)分析中，此工作往往依賴于醫(yī)生的主觀經(jīng)驗(yàn)，導(dǎo)致角膜屈光手術(shù)的決策和選擇上存在模糊性；此外，數(shù)據(jù)分類的有效性也受到患者個(gè)體差異及醫(yī)生臨床經(jīng)驗(yàn)的不同的影響。因此，設(shè)計(jì)針對(duì)眼屈光矯正多源數(shù)據(jù)的自動(dòng)分析分類算法是解決上述問(wèn)題的最佳方式。

當(dāng)前這些多源數(shù)據(jù)的分類是根據(jù)每種屈光矯正方式的臨床特征進(jìn)行傳統(tǒng)的統(tǒng)計(jì)分析并結(jié)合醫(yī)生經(jīng)驗(yàn)進(jìn)行的。傳統(tǒng)的統(tǒng)計(jì)分析方案，能夠分析單變量對(duì)于分類的影響，但是當(dāng)多源多變量間存在耦合時(shí)，往往很難對(duì)變量進(jìn)行拆分；另外，基于臨床醫(yī)生的數(shù)據(jù)分類又受到人為主觀臨床經(jīng)驗(yàn)的影響，均會(huì)導(dǎo)致數(shù)據(jù)分類的錯(cuò)誤。此外，傳統(tǒng)的分類方案很難分析納入潛在的影響因素，例如角膜生物力學(xué)特性相關(guān)數(shù)據(jù)并未被傳統(tǒng)的分類方案考慮，而本發(fā)明的方案分析顯示此數(shù)據(jù)對(duì)分類結(jié)果也有較大影響。

隨著現(xiàn)在屈光矯正數(shù)據(jù)量的不斷積累，以數(shù)據(jù)為驅(qū)動(dòng)的機(jī)器學(xué)習(xí)技術(shù)，為眼屈光矯正多源數(shù)據(jù)分析分類提供了新的方向。因此本發(fā)明提供了一種高效、準(zhǔn)確的基于XGBoost的眼屈光矯正多源數(shù)據(jù)的自動(dòng)分類方法，能夠自動(dòng)分析多變量對(duì)分類的影響，并且可以允許數(shù)據(jù)中存在一定的數(shù)據(jù)缺失，由于模型訓(xùn)練過(guò)程將有效特征全部納入進(jìn)行訓(xùn)練分析，因此可同時(shí)分析發(fā)現(xiàn)潛在的重要特征。應(yīng)用這一方案的難點(diǎn)在于：各數(shù)據(jù)類型的樣本量嚴(yán)重不均衡，且數(shù)據(jù)類型包含字符、數(shù)字等各種類型需要進(jìn)行統(tǒng)一；訓(xùn)練模型過(guò)程中earlystopping策略需采用臨床上醫(yī)生關(guān)心的指標(biāo)進(jìn)行衡量。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足之處，提供一種基于XGBoost的機(jī)器學(xué)習(xí)模型對(duì)眼屈光矯正多源數(shù)據(jù)進(jìn)行自動(dòng)分類的方案，該自動(dòng)分類方案能夠應(yīng)用于醫(yī)學(xué)多源數(shù)據(jù)的自動(dòng)分類，并為臨床醫(yī)生綜合分析臨床多源數(shù)據(jù)間的復(fù)雜關(guān)系提供了參考和輔助。

本發(fā)明解決技術(shù)問(wèn)題所采用的技術(shù)方案是：

一種基于XGBoost的眼屈光多源數(shù)據(jù)自動(dòng)分類方法，具體包含以下步驟：

步驟1：對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理。包含數(shù)據(jù)的篩選、數(shù)值化、標(biāo)簽化以及訓(xùn)練集、測(cè)試集的劃分等操作。

步驟2：根據(jù)醫(yī)生的經(jīng)驗(yàn)和統(tǒng)計(jì)策略挑選出與數(shù)據(jù)分類的屬性特征作為訓(xùn)練所用的最原始的特征。

步驟3：基于篩選之后的數(shù)據(jù)，利用XGBoost進(jìn)一步進(jìn)行特征篩選，選取與目標(biāo)最為相關(guān)的屬性特征。

步驟4：基于選取的訓(xùn)練樣本，訓(xùn)練XGBoost模型用以針對(duì)多源數(shù)據(jù)實(shí)現(xiàn)自動(dòng)分類；