1.一种基于机器学习的糖尿病肾病风险预测方法,其特征在于,所述方法包括以下步骤:获取患者的电子病例,根据按预设顺序排列的关键词集合,从电子病例中抽取关键词对应的数值,构成样本集,所述样本的数值排列顺序和关键词集合中关键词的顺序对应;设置一个权重集合,所述权重集合中权重个数和关键词集合中关键词个数相同;
按照样本标签将样本集分为正样本集和负样本集,根据正样本集中每个样本与正样本的最近距离以及与负样本的最近距离、所述权重集合得到满足要求的权重参数;基于所述权重参数对正样本集进行增强得到增强后的正样本集;
在第一个阶段采用负样本集和增强后的正样本集对糖尿病肾病预测模型进行训练,在第二个阶段采用增强前的正样本集和第一负样本集对糖尿病肾病预测模型进行训练;所述第一负样本集中样本的数量和增强前的正样本集中样本的数量相同;且所述第一负样本集中样本是按照与增强前的正样本集中正样本的距离从所述负样本集中选取;
采集待预测患者的电子病例,按照所述关键词集合得到糖尿病肾病预测模型的输入,将糖尿病肾病预测模型的输出作为待预测患者得糖尿病肾病的风险情况;
所述根据正样本集中每个样本与正样本的最近距离以及与负样本的最近距离、所述权重集合得到满足要求的权重参数,具体为:获取正样本集中每个正样本与最近的正样本的距离d1、以及与最近的负样本的距离d2,若d1>d2,则将权重集合和样本按照对应的位置相乘作为样本的值,重新计算距离d1和/或d2,使得d1
将所述多个含有权重的不等式作为约束条件,将每个权重的值最接近1作为目标函数,采用数值优化算法得到至少一组权重参数;
所述基于所述权重参数对正样本集进行增强得到增强后的正样本集,具体为:
对于正样本集中的每个正样本,将正样本的数值和权重集合按对应位置相乘得到增强后的正样本,将增强前的正样本和增强后的正样本放入第二正样本集合;
对于所述第二正样本集合中的每个正样本,从所述第二正样本集合中获取所述正样本距离最近的正样本,构成样本对;
计算每个样本对的距离,根据所述样本对的距离和预设间距获取多个增强样本并放入所述第二正样本集合,对所述第二正样本集合进行过滤操作,将过滤后的所述第二正样本集合作为增强后的正样本集;
所述根据所述样本对的距离和预设间距获取多个增强样本并放入所述第二正样本集合,具体为:从样本对的一个样本开始,沿样本对的另外一个样本的方向每隔预设间距增加一个样本点,将增加的样本点作为增强样本放入到第二正样本集合中;
所述对所述第二正样本集合进行过滤操作,具体为:
获取所述第二正样本集合中每个样本距离其他样本的最近间距d3,确定所述第二正样本集合中每个样本对应的间距d3中的最大值d4;
计算所述第二正样本集合中每个样本距离第三样本集中其他样本最近的距离d5,若d5>d4,则将样本从所述第二正样本集合中删除;其中所述第三样本集包括所述第二正样本集合和所述负样本集;
所述第一负样本集中样本是按照与增强前的正样本集中正样本的距离从所述负样本集中选取,具体为:计算所述负样本集中每个样本与最近的N个负样本的平均距离d6、以及与最近的N个正样本的平均距离d7,按照|d6-d7|从小到大的顺序对所述负样本集中的样本排序,从排序后的样本中选取与增强前的正样本集中样本个数相同的负样本。
2.一种基于机器学习的糖尿病肾病风险预测系统,其特征在于,所述系统包括以下模块:样本集获取模块,用于获取患者的电子病例,根据按预设顺序排列的关键词集合,从电子病例中抽取关键词对应的数值,构成样本集,所述样本的数值排列顺序和关键词集合中关键词的顺序对应;设置一个权重集合,所述权重集合中权重个数和关键词集合中关键词个数相同;
样本集增强模块,用于按照样本标签将样本集分为正样本集和负样本集,根据正样本集中每个样本与正样本的最近距离以及与负样本的最近距离、所述权重集合得到满足要求的权重参数;基于所述权重参数对正样本集进行增强得到增强后的正样本集;
训练模块,用于在第一个阶段采用负样本集和增强后的正样本集对糖尿病肾病预测模型进行训练,在第二个阶段采用增强前的正样本集和第一负样本集对糖尿病肾病预测模型进行训练;所述第一负样本集中样本的数量和增强前的正样本集中样本的数量相同;且所述第一负样本集中样本是按照与增强前的正样本集中正样本的距离从所述负样本集中选取;
预测模块,用于采集待预测患者的电子病例,按照所述关键词集合得到糖尿病肾病预测模型的输入,将糖尿病肾病预测模型的输出作为待预测患者得糖尿病肾病的风险情况;
所述根据正样本集中每个样本与正样本的最近距离以及与负样本的最近距离、所述权重集合得到满足要求的权重参数,具体为:获取正样本集中每个正样本与最近的正样本的距离d1、以及与最近的负样本的距离d2,若d1>d2,则将权重集合和样本按照对应的位置相乘作为样本的值,重新计算距离d1和/或d2,使得d1
将所述多个含有权重的不等式作为约束条件,将每个权重的值最接近1作为目标函数,采用数值优化算法得到至少一组权重参数;
所述基于所述权重参数对正样本集进行增强得到增强后的正样本集,具体为:
对于正样本集中的每个正样本,将正样本的数值和权重集合按对应位置相乘得到增强后的正样本,将增强前的正样本和增强后的正样本放入第二正样本集合;
对于所述第二正样本集合中的每个正样本,从所述第二正样本集合中获取所述正样本距离最近的正样本,构成样本对;
计算每个样本对的距离,根据所述样本对的距离和预设间距获取多个增强样本并放入所述第二正样本集合,对所述第二正样本集合进行过滤操作,将过滤后的所述第二正样本集合作为增强后的正样本集;
所述根据所述样本对的距离和预设间距获取多个增强样本并放入所述第二正样本集合,具体为:从样本对的一个样本开始,沿样本对的另外一个样本的方向每隔预设间距增加一个样本点,将增加的样本点作为增强样本放入到第二正样本集合中;
所述对所述第二正样本集合进行过滤操作,具体为:
获取所述第二正样本集合中每个样本距离其他样本的最近间距d3,确定所述第二正样本集合中每个样本对应的间距d3中的最大值d4;
计算所述第二正样本集合中每个样本距离第三样本集中其他样本最近的距离d5,若d5>d4,则将样本从所述第二正样本集合中删除;其中所述第三样本集包括所述第二正样本集合和所述负样本集;
所述第一负样本集中样本是按照与增强前的正样本集中正样本的距离从所述负样本集中选取,具体为:计算所述负样本集中每个样本与最近的N个负样本的平均距离d6、以及与最近的N个正样本的平均距离d7,按照|d6-d7|从小到大的顺序对所述负样本集中的样本排序,从排序后的样本中选取与增强前的正样本集中样本个数相同的负样本。