[發明專利]基于多變量決策樹模型的疼痛疾病判別與分類方法和裝置

在審

• 申請號: 202211442891.7
• 申請日: 2022-11-17
• 公開（公告）號: CN115732078A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 張翔;王云曉;張寶杰
• 申請（專利權）人: 吾征智能技術（北京）有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06F18/2431;G06F18/22
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 蘇利

本申請公開了一種基于多變量決策樹模型的疼痛疾病判別與分類方法和裝置，通過獲取樣本數據集，采集樣本數據集中疼痛疾病的關聯特征信息；對關聯特征信息進行歸一化處理，得到關聯特征信息的特征信息集合，建立特征信息集合關聯的疾病知識庫；將疾病知識庫對應的語義特征信息輸入多變量決策樹模型進行預訓練得到關聯特征信息的語義特征信息子集，通過語義特征信息子集訓練多變量決策樹模型得到疼痛疾病判別分類模型；接收患者輸入的疼痛的癥狀信息和特征信息，基于疼痛疾病判別分類模型進行相似度計算，得到患者的疼痛疾病判別與分類結果并輸出。本申請解決相關技術中疼痛性疾病的診斷較難的技術問題，實現對疼痛疾病的智能判別與分類。

技術領域

本申請屬于計算機技術領域，具體而言，涉及一種基于多變量決策樹模型的疼痛疾病判別與分類方法、裝置、電子設備及存儲介質。

背景技術

疼痛被稱為人體第五大生命體征，是人類對于潛在或已存在損害的一種重要提示，但同時長期劇烈的疼痛也嚴重影響了人們生活質量。實際上絕大部分疾病都伴隨著疼痛的癥狀。據統計，在門診，有一半以上的患者有疼痛的主訴。疼痛性疾病的病因復雜，表現的癥狀各異，多數疼痛性疾病的診斷較為困難，且常被疼痛癥狀掩蓋了原發疾病，以致誤診、漏診延誤病情。如是，輕者給患者增加痛苦和經濟負擔，重者可因失去診療時機而致殘或喪生。

針對相關技術中疼痛性疾病的診斷較難的問題，目前尚未提出有效的解決方案。

發明內容

因此，本申請實施例在于提供一種基于多變量決策樹模型的疼痛疾病判別與分類方法、裝置、電子設備及存儲介質，旨在解決上述現有技術存在的至少一個問題。

為實現上述目的，第一方面，本申請提供了一種基于多變量決策樹模型的疼痛疾病判別與分類方法，包括：

獲取樣本數據集，采集所述樣本數據集中疼痛疾病的關聯特征信息；

對所述關聯特征信息進行歸一化處理，得到所述關聯特征信息的特征信息集合，建立所述特征信息集合關聯的疾病知識庫；

將所述疾病知識庫對應的語義特征信息輸入多變量決策樹模型進行預訓練得到所述關聯特征信息的語義特征信息子集，通過所述語義特征信息子集訓練多變量決策樹模型得到疼痛疾病判別分類模型；

接收患者輸入的疼痛的癥狀信息和特征信息，基于所述疼痛疾病判別分類模型進行相似度計算，得到患者的疼痛疾病判別與分類結果并輸出。

在一個實施例中，所述關聯特征信息包括以下至少一種：疼痛疾病的名稱、發病原因、發生部位、典型癥狀、伴隨癥狀、并發癥狀、疼痛的程度、疼痛的加重或緩解因素以及出現的時間、持續時間。

在一個實施例中，所述對所述關聯特征信息進行歸一化處理，得到所述關聯特征信息的特征信息集合包括：基于詞頻-逆文檔頻率算法對所述關聯特征信息進行歸一化處理，提取所述關聯特征信息的關鍵特征詞，得到所述關聯特征信息的特征信息集合。

在一個實施例中，所述基于詞頻-逆文檔頻率算法對所述關聯特征信息進行歸一化處理，提取所述關聯特征信息的關鍵特征詞包括：通過詞頻-逆文檔頻率算法計算出所述文本信息和數據樣本中每個詞的TF-IDF值，基于所述TF-IDF值將每個詞按降序排列，提取排在最前面的N個詞作為所述關鍵特征詞，N為正整數。

在一個實施例中，在將所述疾病知識庫對應的語義特征信息輸入多變量決策樹模型進行預訓練得到所述關聯特征信息的語義特征信息子集之前，還包括：將所述疾病知識庫通過貝葉斯網絡技術轉化為對應的語義特征信息。

第二方面，本申請還提供了一種基于多變量決策樹模型的疼痛疾病判別與分類裝置，包括：

特征采集模塊，用于獲取樣本數據集，采集所述樣本數據集中疼痛疾病的關聯特征信息；