1.一种基于CL-FCM的风湿免疫疾病数据预处理方法,其特征在于,包括以下步骤:基于风湿免疫疾病临床数据和专家数据库确定与疾病诊断相关的属性;
基于所述疾病诊断相关的属性,筛选收集信息中患者可用信息,包括文本数据和数值数据,去除冗余信息,构成数据集;
基于所述数据集,对各属性进行编码转化和缺失值处理,得到完整的数据集;
利用肘部法则、Xie-Beni指数以及交叉熵指标确定所述完整的数据集的最佳聚类数目;
基于最佳聚类数目,对单个或多个属性进行数据增强,形成多个视图聚类结果,根据多个视图聚类结果,计算对比损失和聚类损失,反向传播更新原始特征表示,得到更新原始特征表示后的数据集;对单个或多个属性进行数据增强时使用随机扰动、高斯噪声和特征组合方法,使用随机扰动、高斯噪声和特征组合方法,具体包括:对比损失的目标是使来自同一类别的样本在特征空间中更加接近,不同类别的样本更加远离,计算公式如下式:其中,a为单个或多个增强属性特征后的视图,n为样本数,为第i个样本的全部特征,为第i个样本增强后的全部特征,为温度系数;
聚类损失的目标是促使模型将数据分成具有相似特征的群集或聚类,对增强后的视图和原始视图进行聚类,对多个聚类结果中的n个样本进行计算,比较聚类结果和真实标签之间的相似性,计算公式如下式:其中,C为原始数据集聚类结果视图,为增强属性a后的聚类结果视图,N[i][j]为在中真实为i并且分为j的样本数,为真实类别为i的样本占总样本的比例,为真实类别为j占总样本的比例;
计算整体损失,反向传播更新原始特征表示,整体损失计算如下式:
;
利用FCM算法,对更新原始特征表示后的数据集进行最终聚类,得到最终聚类数目和聚类中心。
2.根据权利要求1所述的基于CL-FCM的风湿免疫疾病数据预处理方法,其特征在于,基于风湿免疫疾病临床数据和专家数据库确定与疾病诊断相关的属性,采用文献分析、基于专业风湿免疫科医生沟通和分析现有医疗数据,选择基本信息、家族史、专科情况、实验室检查结果和诊断结果作为与疾病诊断相关的属性,所述与疾病诊断相关的属性具体如下,基本信息:性别和年龄;
家族史:是否患有与患者相似疾病;
专科情况:僵晨>=30min、受累关节、受累关节数目、关节疼痛程度、关节是否活动受限、关节是否肿胀以及骨摩擦音;
实验室检查结果:血沉、C-反应蛋白、抗链球菌溶解素O、类风湿因子、血尿酸、抗环瓜氨酸抗体以及抗核抗体;
诊断结果:类风湿关节炎、骨关节炎、痛风、强直性脊柱炎、系统性红斑狼疮。
3.根据权利要求1所述的基于CL-FCM的风湿免疫疾病数据预处理方法,其特征在于,基于所述与疾病诊断相关的属性,筛选收集信息中患者可用信息,去除冗余信息,构成数据集包括:原始数据集中存在非结构化信息,根据所述与疾病诊断相关的属性筛选可用信息,包括文本数据和数值数据。
4.根据权利要求1所述的基于CL-FCM的风湿免疫疾病数据预处理方法,其特征在于,基于所述数据集,对各属性进行编码转化和缺失值处理包括:对各属性进行编码转化时,对筛选出来的数据需要编码转化构成最终数据集,具体的,对于筛选的数值型属性,直接存入数据集;对于多选性文本属性,将可选值进行数值编码,然后存入数据集;
对编码转化后的数据集填充缺失值,对于没有数据值的属性特征,根据所述属性特征的含义,定义一个缺失的空缺值,采用均值、中位数或众数填充、插值法或随机抽样法填充。
5.根据权利要求1所述的基于CL-FCM的风湿免疫疾病数据预处理方法,其特征在于,利用肘部法则、Xie-Beni指数以及交叉熵指标确定所述完整的数据集的最佳聚类数目:通过比较肘部法则、交叉熵和Xie-Beni指数三种方法得出的最佳聚类数目,如果都得出一致的结果,则将所述结果确定为最佳聚类数目;否则,采用加权的方法计算得到最佳聚类数目。
6.根据权利要求1所述的基于CL-FCM的风湿免疫疾病数据预处理方法,其特征在于,对单个或多个属性进行数据增强时使用随机扰动、高斯噪声和特征组合方法,特征组合基于已有特征的组合,生成新的特征。
7.根据权利要求1所述的基于CL-FCM的风湿免疫疾病数据预处理方法,其特征在于,利用FCM算法,对更新原始特征表示后的数据集进行最终聚类包括:对于更新后的数据集进行聚类,根据输入数据和期望的聚类数量,确定每个聚类的中心,并将每个数据点分配给特定的聚类,计算每个样本点到各聚类中心的最小距离,
FCM聚类方法的训练步骤如下:
设计聚类数目及超参数,初始化关系矩阵;
更新聚类中心,更新关系矩阵;
重复更新聚类中心和更新关系矩阵,直到两次计算得到关系矩阵的差距小于设定值或不变。
8.一种基于CL-FCM的风湿免疫疾病数据预处理系统,其特征在于,包括数据抽取模块、对比模块和聚类模块;
数据抽取模块用于对风湿免疫疾病患者的信息筛选,抽取疾病诊断相关的属性,筛选收集信息中患者可用信息,包括文本数据和数值数据,去除冗余信息,构成数据集;
对比模块用于基于所述数据集,对各属性进行编码转化和缺失值处理,得到完整的数据集;利用肘部法则、Xie-Beni指数以及交叉熵多种指标确定最佳聚类数目;
聚类模块基于最佳聚类数目,对单个或多个属性进行数据增强,形成多视图聚类结果,计算对比损失和聚类损失,反向传播更新原始特征表示,得到更新原始特征表示后的数据集;利用FCM算法,对更新原始特征表示后的数据集进行最终聚类;对单个或多个属性进行数据增强时使用随机扰动、高斯噪声和特征组合方法,具体包括:对比损失的目标是使来自同一类别的样本在特征空间中更加接近,不同类别的样本更加远离,计算公式如下式:其中,a为单个或多个增强属性特征后的视图,n为样本数,为第i个样本的全部特征,为第i个样本增强后的全部特征,为温度系数;
聚类损失的目标是促使模型将数据分成具有相似特征的群集或聚类,对增强后的视图和原始视图进行聚类,对多个聚类结果中的n个样本进行计算,比较聚类结果和真实标签之间的相似性,计算公式如下式:其中,C为原始数据集聚类结果视图,为增强属性a后的聚类结果视图,N[i][j]为在中真实为i并且分为j的样本数,为真实类别为i的样本占总样本的比例,为真实类别为j占总样本的比例;
计算整体损失,反向传播更新原始特征表示,整体损失计算如下式:
。
9.一种计算机设备,其特征在于,包括处理器以及存储器,存储器用于存储计算机可执行程序,处理器从存储器中读取所述计算机可执行程序并执行,处理器执行计算可执行程序时能实现权利要求1~7中任一项所述基于CL-FCM的风湿免疫疾病数据预处理方法。
10.一种计算机可读存储介质,其特征在于,计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时,能实现如权利要求1~7中任一项所述的基于CL-FCM的风湿免疫疾病数据预处理方法。