[發明專利]一種基于最大信息系數的腦自調節機制指標相干性獲取方法

在審

• 申請號: 202211291608.5
• 申請日: 2022-10-19
• 公開（公告）號: CN115659218A
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 王演;鄭賀予;胡君杰;朱元梅
• 申請（專利權）人: 大連海事大學
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/27;A61B5/021;A61B5/145
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 李馨

1.一種基于最大信息系數的腦自調節機制指標相干性獲取方法，其特征在于，包括：

將平均血動脈壓、腦組織氧飽和度兩項指標信號的數據整合到二維散點圖中，基于一定大小的網格對散點圖進行劃分，根據互信息計算公式計算互信息，不斷改變網格大小分布得到最大互信息；

分別選取不同分割尺寸下的最大互信息，組成特征矩陣，并進行歸一化；

將特征矩陣歸一化的結果代入MIC計算公式，即將特征矩陣中的數據點放入三維空間形成一個曲面，該曲面最高點數值為所求得的最大互信息系數MIC；

將平均血動脈壓、腦組織氧飽和度以及最大互信息系數MIC作為樣本輸入信息，采用邏輯回歸LR方法、根據樣本輸入信息對分類邊界線建立回歸公式，尋找最優參數從而對樣本輸入信息進行相關性分類；

采用混淆矩陣得到真陽性TP、假陽性FP、假陰性FN和真陰性TN，基于上述參數獲得邏輯回歸LR方法的評價指標，其中評價指標包括準確率、精確率和召回率；

使用留一交叉驗證法對輸入樣本信息進行逐一驗證，設有K組樣本輸入信息，將其中一組作為測試對象，其余K-1組作為訓練對象，采用上述方法依次測試K組輸入樣本信息，將所有組測試結果取平均值，得到整體的驗證結果。

2.根據權利要求1所述的方法，其特征在于：將二維散點圖分成m×n大小的網格，m代表網格行數，n代表網格列數，將落在某一網格的數據點的概率作為該網格的估計，設網格(a,b)的概率估計為P(a,b)，

根據互信息計算公式計算出互信息：

再按照2×2大小的網格對散點圖進行劃分，根據互信息計算公式計算出互信息，再不斷改變網格的大小分布得到最大互信息記作x₂₂；

基于上述方式按照2×3網格進行劃分，計算出最大互信息得到x₂₃；

以此類推直到獲得m×n尺寸網格最大互信息為止。

3.根據權利要求2所述的方法，其特征在于：基于不同尺寸網格計算得到的最大互信息，將最大互信息輸入至特征矩陣X中：

再將該特征矩陣中的最大互信息x_ab進行歸一化處理。

4.根據權利要求3所述的方法，其特征在于：設已知平均血動脈壓和腦組織氧飽和度的n個觀測值為D，大小為a×b的二維網格集合用

Ω(a,b)來表示、且G∈Ω(a,b)，A(G)、B(G)表示基于網格的離散變量；

將獲取的不同尺寸網格下的最大互信息進行理論計算，則平均血動脈壓和腦組織氧飽和度之間的MIC公式為：

其中I(A(G),B(G))表示其互信息，B為最大網格數；

定義個限制變量B，使得m×nB，其中

B＝f(data_size)＝n^0.6

從而將二維特征矩陣X歸一化的各個最大互信息放到一個三維空間中，形成一個曲面；

曲面將由(a-1)×(b-1)個數據點構成，而這個曲面最高點的數值即為這兩個變量的最大信息系數MIC，其取值范圍是[0,1]。

5.根據權利要求3所述的方法，其特征在于：獲得邏輯回歸LR方法的評價指標時：

其中準確率Accuracy是衡量算法對于預測結果總體分類正確的比例，Accuracy＝(TP+TN)/(TP+FP+FN+TN)；

其中精確率P是衡量算法正樣本的預測準確率，P＝TP/(TP+FP)；

其中召回率R是衡量算法對所有正樣本的預測全面性，R＝TP/(TP+FN)；

采用精確率P和召回率R的調和平均值衡量查準率對查全率的相對重要性，

通過上述評價指標從整體預測水平、正樣本預測準確性、正樣本的預測全面性對算法分類性能進行指標的可視化呈現。