申请/专利权人：吾征智能技术(北京)有限公司

申请日：2020-09-17

公开（公告）日：2024-03-22

公开（公告）号：CN112133390B

主分类号：G16H10/60

分类号：G16H10/60;G16H50/20;G16H50/70;G06F40/289

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.01.12#实质审查的生效;2020.12.25#公开

摘要：本发明提出了一种基于电子病历的肝病认知系统。包括：预处理模块，获取历史病历数据，提取肝病数据信息，对肝病数据信息进行预处理，获取预处理后的肝病数据信息作为待划分数据；特征划分模块，用于通过ICTCLAS分词工具从待划分数据中划分出肝病描述特征信息，并生成对应的肝病描述特征信息数据集；筛选模块，用于通过IV值分析方法对肝病描述特征信息数据集进行特征筛选，并生成对应特征表格，将该特征表格作为诊断系统模型；预测认知模块，用于获取待诊断肝病描述特征信息，利用诊断系统模型对待诊断肝病描述特征信息进行诊断认知。本发明通过IV值分析法来剔除肝病描述特征信息数据集中的冗余特征，提高特征分析的准确度，提高整个认知系统的稳定性。

主权项：1.一种基于电子病历的肝病认知系统，其特征在于，所述基于电子病历的肝病认知系统包括：预处理模块，用于获取历史病历数据，从该历史病历数据中提取肝病数据信息，对所述肝病数据信息进行预处理，获取预处理后的肝病数据信息作为待划分数据；预处理模块包括数据整理模块，用于获取历史病历数据，从该历史病历数据中提取肝病数据信息，设定预处理规则，所述预处理规则包括：数据完整性检测、数据填充以及数据删除，根据该预处理规则对肝病数据信息进行预处理，获取预处理后的肝病数据信息作为待划分数据，并对待划分数据进行肝病类别标注，所述肝病类别包括：肝炎、肝硬化、肝脓肿以及肝损伤；特征划分模块，用于通过ICTCLAS分词工具从待划分数据中划分出肝病描述特征信息，根据肝病描述特征信息生成对应的肝病描述特征信息数据集；特征划分模块包括数据扩充模块，用于通过ICTCLAS分词工具从待划分数据中划分出肝病描述特征信息，并根据该特征信息获取相似肝病病历数据，从相似肝病病历数据中提取对应的相似肝病描述特征信息以及对应的肝病类别标注，将肝病描述特征信息以及相似肝病描述特征信息组合作为待聚类肝病描述特征信息数据集；特征划分模块包括聚类划分模块，用于通过K-means聚类算法按照不同肝病特征信息对待聚类肝病描述特征信息数据集进行聚类划分，获取至少一个肝病描述特征信息数据集；筛选模块，用于通过IV值分析方法对肝病描述特征信息数据集进行特征筛选，筛选出最终肝病描述特征信息，根据该最终肝病描述特征信息生成对应特征表格，并将该特征表格作为诊断系统模型；其中，利用AdaBoost算法，并选取SVM作为基本分类器，通过对特征筛选后的聚类肝病描述特征信息数据集进行训练构建肝病诊断系统模型；通过给定训练样本集D＝{x1,y1,x2,y2...xn,yn,y∈{1,2,3,4,5,6，...}}，其中y标签数值对应肝病类别集合中某种肝病，初始时每个病历样本所对应的权重相等，即并按照给定分块病历样板数据集进行训练，训练出一弱分类器h1，对于h1错分的病历样本适当增加该权重，未错分的样本适当降低其权重，以此更新训练集样本的分布，在新的样本分布下，再次对基本学习分类器进行训练，得到h2，反复迭代T次,得到T个弱分类器，最终的集成分类器是每个基本分类器的加权投票；给定训练样本集，每一个训练样本集有初始化权重计算基本分类器的训练偏差循环迭代T次，并对每个训练样本的权重进行更新，其中Zt是标准化因子，ht是基本分类器；最后得到的强分类器H是可通过多个带权重的基本分类器所表示，即利用网格搜索法对基本分类器SVM进行参数调优，设定网格搜索变量C,g的范围及搜索步距，其中C的初始设置为[2-9,26]，g的初始设置为[2-9,23]，初始步距为0.5,2，采用K-CV交叉验证方式对各训练集进行训练测试，其中K值设定为5，得到使SVM分类准确率最高的局部最优参数即C＝1、g＝0.00092，根据得到的最优局部参数，选择临近搜索区间进行二次寻优，步距与初始步距相等；预测认知模块，用于获取待诊断肝病病历数据，从该待诊断肝病病历数据中提取待诊断肝病描述特征信息，利用诊断系统模型对待诊断肝病描述特征信息进行诊断认知。

全文数据：

权利要求：

百度查询： 吾征智能技术(北京)有限公司 一种基于电子病历的肝病认知系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD