[發明專利]一種面向動態醫療數據的因果特征提取方法

在審

• 申請號: 202111196507.5
• 申請日: 2021-10-14
• 公開（公告）號: CN113921145A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 俞奎;劉超凡;李培培
• 申請（專利權）人: 合肥工業大學
• 主分類號: G16H50/70
• 分類號: G16H50/70;G06K9/62
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種面向動態醫療數據的因果特征提取方法，其特征是按如下步驟進行：

步驟1、獲取第i次的醫療數據記錄，并記為其中，record_j,i表示第i次的第j條醫療數據記錄，1≤j≤R_i；R_i表示第i次的醫療數據記錄的條數，且第i次的第j條醫療數據記錄record_j,i中包含M_i種特征，記為其中，f_m,j,i表示第i次的第j條醫療數據記錄record_j,i中的第m個特征；且第m個特征f_m,j,i有N_m個不同取值；M_j,i表示第i次的第j條醫療數據記錄record_j,i中的特征數，令第j條記錄record_j,i的類別標簽為L_j,i；

步驟2、構建并更新全維樹的結構，并在全維樹中以統計信息的形式匯總全部數據信息：

步驟2.0、初始化i＝1；k＝1；

步驟2.1、新建根節點root并作為第k層統計節點，并記錄Data_i的記錄條數；

步驟2.2、按Data_i中從第m個特征開始，分別在第k層統計節點下，向下新建統計節點的子節點，并作為第k層特征節點；

步驟2.3、按每個特征的取值個數，分別在第k層每個特征節點下，向下新建特征節點的子節點，并作為第k+1層統計節點，所述第k+1層統計節點內記錄有數據集中與第k層特征節點取值相同的條數，并作為統計信息；

步驟2.4、將m+1賦值給m，將k+1賦值給k后，返回步驟2.2順序執行，直到全維樹構建完成，從而得到第i個全維樹，記為ADT_i，用于存儲第i次的醫療數據記錄；

步驟2.5、將i+1賦值給i；

步驟2.6、在第i-1個全維樹ADT_i-1上，更新根節點root中所記錄的條數為

步驟2.7、初始化k＝1；

步驟2.8、更新第k層統計節點下的第k層特征節點：若Data_i中出現新的特征，則在第k層統計節點下新建相對應的特征節點；

步驟2.9、統計Data_i中與第k層特征節點取值相同的條數，并累加到第k層每個特征節點下的第k層每個統計節點的統計信息中，從而完成統計節點的更新，同時，若Data_i中的特征出現新的取值，則第k層特征節點下新建相對應的統計節點，用于記錄Data_i中與新的取值相同的條數；

步驟2.10、將k+1賦值給k后，循環進行步驟2.8順序執行，直到第i個全維樹更新完成，并存儲有前i次的醫療數據記錄；

步驟2.11、返回步驟2.5執行，直到完成所有醫療數據記錄的存儲；

步驟3、構建最優特征子集，即關鍵特征集合F′：

步驟3.1、初始化i＝1；

步驟3.2、定義第i次的醫療數據記錄Data_i所對應的第i次選取的關鍵特征集合為F_i′＝{f′_1,i,f′_2,i,…,f′_m′,i,…,f′_M′,i}，其中，f′_m′,i表示第i次選取的關鍵特征集合F_i′中第m′個關鍵特征，M′表示第i次選取的關鍵特征集合F_i′中的關鍵特征的個數；

步驟3.3、初始化

步驟3.4、使用因果關系推斷方法，從第i次的醫療數據記錄Data_i中的M_i個特征中選擇出可能的特征作為關鍵特征添加到最優特征子集F_i′中；

步驟3.4.1、定義候選特征集合C_i＝{c_i,k|c_i,k∈F_i\F_i′，1≤k≤M_i}，其中，F_i表示第i次的醫療數據記錄Data_i中包含的M_i種特征的集合，且f_m,i表示第i次的醫療數據記錄Data_i中第m種特征，c_i,k表示第i次的醫療數據記錄Data_i中包含M_i種特征的集合F_i中除第i次選取的關鍵特征集合F_i′以外的第k個特征；

步驟3.4.2、將第i次的醫療數據記錄Data_i的類別標簽L_i＝{L_j,i|j＝1,2,…,R_i}和候選特征集合C_i中的每個特征均作為特征節點，并從全維樹的根節點root開始，對所有特征節點及其取值進行遍歷，得到所有特征節點之間的第一列聯表，用于表征各個特征節點之間不同取值相互組合的出現次數；

步驟3.4.3、以第i次選取的關鍵特征集合F_i′為條件集，利用式(1)分別計算候選特征集合C_i中的每個特征與類別標簽L_i之間的條件相關性：

式(1)中，G²表示統計值，表示在第i次的醫療數據記錄Data_i中，滿足第m′個關鍵特征f′_m′,i＝a和標簽L_j,i＝b的記錄的條數，表示在第i次的醫療數據記錄Data_i中，滿足第m′個關鍵特征f′_m′,i＝a，標簽L_j,i＝b和條件集F_i′取值為集合β的記錄的條數；表示在第i次的醫療數據記錄Data_i中，滿足條件集F_i′取值為集合β的記錄的條數，表示在第i次的醫療數據記錄Data_i中，滿足標簽L_j,i＝b和條件集F_i′取值為集合β的記錄的條數，表示在第i次的醫療數據記錄Data_i中，滿足第m′個關鍵特征f′_m′,i＝a和條件集F_i′取值為集合β的記錄的條數；

步驟3.4.4、利用式(2)計算第i次選取的關鍵特征集合F_i′中第m′個關鍵特征f′_m′,i和類別標簽L_i之間的自由度df_m′,i：

式(2)中，表示第i次的醫療數據記錄Data_i中第m′個關鍵特征f′_m′,i的不同取值的個數，N_Li表示第i次的醫療數據記錄Data_i中類別標簽的不同取值的個數；

步驟3.4.5、將第m′個關鍵特征f′_m′,i和類別標簽L_i之間的統計值G²在自由度df_m′,i下漸進為卡方分布，并在卡方分布上進行卡方檢驗，得到概率值P_m′,i，所述概率值P_m′,i表示在零假設為真時，錯誤拒絕零假設的概率，其中，所述零假設為第m′個關鍵特征f′_m′,i和類別標簽L_i之間條件獨立；

步驟3.4.6、計算M′個關鍵特征分別和類別標簽L_i＝{L_j,i|j＝1,2,…,R_i}的概率值集合P，并對概率值集合中的概率值進行降序排列；

步驟3.4.7、選擇降序排序后的第一個概率值P_max,i所對應的關鍵特征f′_max,i，如果第一個概率值P_max,i小于顯著性水平α，則拒絕零假設，即f′_max,i和標簽L_i之間條件依賴，并將f′_max,i添加到第i次選取的關鍵致病因素集合F_i′中；

步驟3.5、使用因果發現理論，移除第i次選取的關鍵致病因素集合F_i′中錯誤的關鍵特征；

步驟3.5.1、對類別標簽L_i＝{L_j,i|j＝1,2,…,R_i}和關鍵致病因素集合F_i′中的每個特征作為特征節點，并從全維樹的根節點root開始，對所有特征節點及其取值進行遍歷，得到所有特征節點之間的第二列聯表；

步驟3.5.2、在關鍵致病因素集合F_i′中選擇一個特征作為當前特征，以關鍵致病因素集合F_i′中除當前特征以外的所有特征為條件集；利用式(1)計算關鍵致病因素集合F_i′中當前特征分別與類別標簽L_i之間的條件相關性；

步驟3.5.3、利用式(2)計算當前特征和類別標簽L_i之間的自由度，將當前特征和類別標簽L_i之間的統計值G²值在相應自由度下漸進為卡方分布，并在卡方分布上進行卡方檢驗，得到對應的概率值；如果對應的概率值大于顯著性水平α，則接受零假設，即當前特征和類別標簽L_i之間條件獨立，表明當前特征不是真正的關鍵特征，并將當前特征從關鍵特征集合F_i′中移除；

步驟3.6、重復循環步驟3.4和步驟3.5，直到無特征被添加到關鍵致病因素集合F_i′中，從而得到前i次的醫療數據記錄的關鍵特征；

步驟4、當新的醫療數據到來時，則將i+1賦值給i后，返回步驟2順序執行。