欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024104807757
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于数据分析的儿童呼吸道疾病预测方法,其特征在于,包括:

获取儿童的电子病历数据;

对电子病历数据进行命名实体提取,并基于疾病知识图谱以获取结构化特征数据,结构化特征数据中存储着按照疾病特征属性排列好的疾病特征值;

将结构化特征数据与特征选择策略库进行匹配,特征选择策略库中存储着若干个标准结构化特征数据及其对应的特征选择策略,并输出特征选择策略;

基于输出的特征选择策略对结构化特征数据执行降维操作,即从结构化特征数据选择符合特征选择策略的疾病特征值进行拼接,以构建待预测特征数据集;

将待预测特征数据集送入呼吸道疾病预测模型进行处理,输出呼吸道疾病预测结果;

特征选择策略库中的特征选择策略基于XGBoost模型进行建立,呼吸道疾病预测模型基于BP神经网络模型进行建立,在训练过程中,呼吸道疾病预测模型基于特征选择策略进行损失函数优化。

2.根据权利要求1所述的基于数据分析的儿童呼吸道疾病预测方法,其特征在于,特征选择策略库的建立具体包括如下步骤:获取若干份标注好疾病标签的电子病历数据,且这些电子病历数据是医院内部文件,需要训练时,可采取差分手段对电子病历信息进行保密操作;通过命名实体提取和疾病知识图谱获取电子病历数据对应的结构化特征数据,将所有标注好疾病标签的结构化特征数据组成若干组第一数据集,每一组对应的疾病标签一致;

针对每组第一数据集,将第一数据集分割为第一训练集和第一测试集,并通过第一训练集和第一测试集训练得到训练好的XGBoost模型;

获取所有疾病标签对应的第一数据集和对应的训练好的XGBoost模型,针对每一个疾病标签对应的第一数据集和对应的训练好的XGBoost模型,执行如下操作,对第一数据集执行聚类分析,生成若干个聚类簇,且将所有聚类簇记为标准结构化特征数据存入特征选择策略库中,计算第一数据集中的结构化特征数据中的疾病特征属性在训练好的XGBoost模型中的特征贡献率;将所有疾病特征属性按照对应的特征贡献率从大到小进行排列,选择前N个疾病特征属性组成特征选择策略存入特征选择策略库中,并将前N个疾病特征属性对应的特征贡献率组成特征贡献率集,且同一第一数据集生成的若干个标准结构化特征数据与生成的特征选择策略库为多对一关系,并且特征贡献率集与疾病标签一一对应。

3.根据权利要求2所述的基于数据分析的儿童呼吸道疾病预测方法,其特征在于,通过第一训练集和第一测试集训练得到训练好的XGBoost模型,具体包括如下步骤:S1:确定XGBoost模型的超参数;将第一训练集送入XGBoost模型进行迭代训练,以疾病标签作为目标,计算第一目标函数值,第一目标函数值包括XGBoost模型进行预测时的损失函数和正则项值,判断第一目标函数值是否处于第一预测置信范围内;若是第一目标函数值处于第一预测置信范围内,输出初步训练好的XGBoost模型,进入步骤S2;否则,通过第一训练集继续对XGBoost模型进行迭代更新;

S2:将第一测试集送入初步训练好的XGBoost模型进行处理,期间计算初步训练好的XGBoost模型的准确率,判断初步训练好的XGBoost模型的准确率是否高于第一预设阈值,若是初步训练好的XGBoost模型的准确率高于第一预设阈值,输出训练好的XGBoost模型;否则,通过贝叶斯优化方法对XGBoost模型的超参数进行调整,回到步骤S1。

4.根据权利要求3所述的基于数据分析的儿童呼吸道疾病预测方法,其特征在于,呼吸道疾病预测模型基于BP神经网络模型进行建立,包括一个输入层、三个隐藏层和一个输出层,其中隐藏层用于进行特征学习,输出层用于输出呼吸道疾病预测结果,具体地,在输出层中生成一个长度为D+1的概率向量,其中D为呼吸道疾病数量,选择概率向量中概率值最高的一项对应的疾病名称进行输出,若是无呼吸道疾病对应的概率值最高,则输出无呼吸道疾病。

5.根据权利要求4所述的基于数据分析的儿童呼吸道疾病预测方法,其特征在于,针对呼吸道疾病预测模型的训练包括如下步骤:T1;获取若干份标注好疾病标签的电子病历数据,通过命名实体提取、疾病知识图谱和降维操作后,得到电子病历数据对应的待预测特征数据集,将所有标注好疾病标签的待预测特征数据集组成第二数据集,并将第二数据集分割为第二训练集和第二测试集;

T2:将第二训练集送入参数初始化的呼吸道疾病预测模型进行训练,训练期间计算交叉熵损失值δ,并且通过解释性模型对呼吸道疾病预测模型进行解释性分析,输出特征重要值向量Y;获取呼吸道疾病预测结果对应疾病标签对应的特征贡献率集,记为特征贡献率集X,计算第二目标函数值T3:将第二测试集送入初步训练好的呼吸道疾病预测模型进行处理,期间计算初步训练好的呼吸道疾病预测模型的准确率,判断初步训练好的呼吸道疾病预测模型的准确率是否高于第一预设阈值,若是初步训练好的呼吸道疾病预测模型的准确率高于第二预设阈值,输出训练好的呼吸道疾病预测模型;否则,通过贝叶斯优化方法对呼吸道疾病预测模型的超参数进行调整,回到步骤S1。

6.根据权利要求5所述的基于数据分析的儿童呼吸道疾病预测方法,其特征在于,还包括针对第一权重系数α在满足α

通过遗传算法对初代种群进行模拟优化,期间以呼吸道疾病预测模型的准确率作为适应度,输出适应度最高的一组第一权重系数α

7.根据权利要求6所述的基于数据分析的儿童呼吸道疾病预测方法,其特征在于,疾病知识图谱基于BiLSTM-CRF模型进行建立。

8.基于数据分析的儿童呼吸道疾病预测系统,其特征在于,所述系统应用上述权利要求1-7任一项所述的基于数据分析的儿童呼吸道疾病预测方法,包括:电子病历数据获取模块,用于获取儿童的电子病历数据;

结构化特征数据获取模块,用于对电子病历数据进行命名实体提取,并基于疾病知识图谱以获取结构化特征数据,结构化特征数据中存储着按照疾病特征属性排列好的疾病特征值;

特征选择策略输出模块,用于将结构化特征数据与特征选择策略库进行匹配,特征选择策略库中存储着若干个标准结构化特征数据及其对应的特征选择策略,并输出特征选择策略;

降维操作模块,用于基于输出的特征选择策略对结构化特征数据执行降维操作,即从结构化特征数据选择符合特征选择策略的疾病特征值进行拼接,以构建待预测特征数据集;

呼吸道疾病预测模块,用于将待预测特征数据集送入呼吸道疾病预测模型进行处理,输出呼吸道疾病预测结果。