[發明專利]一種用于輔助醫療系統的決策模型建立方法

在審

• 申請號: 202010376075.5
• 申請日: 2020-05-07
• 公開（公告）號: CN111564212A
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 吳嘉;莊慶賀;陳煥澤;譚延林;田曉明
• 申請（專利權）人: 中南大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/62;G06N3/04
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 曾志鵬

本發明公開了一種用于輔助醫療系統的決策模型建立方法，包括以下步驟：A、使用支持向量機構建第一分類器，使用有向無環圖支持向量機構建第二分類器；B、使用神經網絡對支持向量機進行補充，實現在支持向量機出錯時對沖掉風險；C、通過集成學習對支持向量機和神經網絡進行集成。本發明能夠解決現有技術的不足，提高檢查數據分析的準確性。

技術領域

本發明屬于輔助醫療設備技術領域，具體是一種用于輔助醫療系統的決策模型建立方法。

背景技術

隨著社會的發展，人民對于自身身體健康問題愈發看重。作為發展中大國，我國目前正快速進入醫療需求的爆發期。我國人口已達到14.5億，超過5600人才可以共享一名醫生，一名醫生一天需要治療72名患者。在大城市中，醫院平均每年醫治超過100萬人，而水平更高，醫療資源更豐富的醫院每年須接受超過350萬人。而我國80％的醫療資源分布于大城市和發達地區。這些地區的常住人口約為300萬，僅占總人口數量的7％。剩余的20％醫療資源由93％的人口分享，醫療資源分布不均。輔助醫療系統是一種基于人工智能的裝置，其通過數據庫中建立的決策模型和患者的檢查數據，為醫生提供患者的檢查數據初步分析結果，從而降低醫生負擔，提高醫生的工作效率。但是，現有輔助醫療系統的決策模型成熟度不高，所作出的分析結果與實際情況偏差較大。

發明內容

本發明要解決的技術問題是提供一種用于輔助醫療系統的決策模型建立方法，能夠解決現有技術的不足，提高檢查數據分析的準確性。

本發明的內容包括以下步驟，

A、使用支持向量機構建第一分類器，使用有向無環圖支持向量機構建第二分類器；

B、使用神經網絡對支持向量機進行補充，實現在支持向量機出錯時對沖掉風險；

C、通過集成學習對支持向量機和神經網絡進行集成。

作為優選，步驟A中，

假設樣本集為{(x₁，y₁)，(x₂，y₂)，...，(x_n，y_n)}，x_i∈R^d，超平面的方程為：ω^Tx+b＝0，支持向量機的優化問題等價于找到一組適合的參數(ω，b)，使得下述方程組成立，

借助Lagrange函數和對偶問題將上述問題化簡為以下方程：

對于線性可分問題，引入懲罰系數C，則上述問題以下面的形式表示：

其中，C代表兩類數據的間隔，最終的模型形式表示為：

對于非線性可分問題_，利用核函數κ(x_i，x_j)＝φ(x_i)^Tφ(x_j)在將樣本數據所在的空間映射到更高維的特征空間后，使得原樣本數據在新的空間中是線性可分的，而該平面在原空間對應著一個非線性可分的平面。

作為優選，所述核函數的選擇范圍如下表所示，

作為優選，步驟B中，

使用MLP神經網絡和RBF神經網絡對支持向量機進行補充；

MLP神經網絡包含一個輸入層，一個或多個隱藏層和一個輸出層，并使用線性整流函數f(x)＝max(0，x)作為激活函數；