申请/专利权人：中国人民解放军国防科技大学

申请日：2021-12-21

公开（公告）日：2024-04-02

公开（公告）号：CN114239742B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/25;G06F18/211

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.04.12#实质审查的生效;2022.03.25#公开

摘要：本申请提供一种基于规则分类器的医疗数据分类方法及相关设备；方法包括：确定医疗数据集样本执行分类时的分类顺序；在每次分类中，计算费希尔得分、皮尔逊相关系数和互信息，得到属性可靠性并排序；根据可靠性排序选择属性组建初始特征子集，根据预设的约束条件，设置参考值和参考证据权重，构建初始化种群并执行多目标遗传算法的迭代得到目标种群，并利用规则分类器对全部样本进行分类，得到初始特征子集的分类准确率；并调整初始特征子集中的属性，得到目标特征子集；根据分类顺序，进行全部类别的分类，得到每次分类操作的目标特征子集和规则分类器；集成全部目标特征子集和规则分类器，用于对医疗数据集中的新样本进行分类。

主权项：1.一种基于规则分类器的医疗数据分类方法，其特征在于，应用于存储有医疗数据集的数据库，包括通过多个传感器监测患者的多项体征，以得到关于被监测患者睡眠状态的多项信号，在每次监测得到的一个数据样本中，包括患者的呼吸节律、心率、脑电图、心电图、眼电图、肌电图、脉搏氧饱和度和心率，并在每次测量得到的数据中，将上述的多项信号作为该次测量得到的数据样本的多个属性；将不同的睡眠状态作为样本的类别，分别为清醒状态、浅度睡眠状态、深度睡眠状态、快速眼动期睡眠状态：对医疗数据集预设多个类别，并确定所述医疗数据集中每个样本具备的多个属性和每个所述样本初始所隶属的类别；在全部所述类别中确定对每个所述类别执行分类时的分类顺序；在每次针对单个所述类别的分类中，对于每个所述属性，利用该属性和每个所述类别计算费希尔得分、皮尔逊相关系数和互信息，对计算结果进行融合，得到该属性的属性可靠性，根据全部所述属性可靠性得到可靠性排序；根据所述可靠性排序从全部所述属性中选择预定数量的所述属性作为初始特征子集，对于所述初始特征子集中的每个所述属性，根据预设的约束条件，设置多个参考值和参考证据权重，利用所述参考值个数和所述参考证据权重构建初始化种群；对所述初始化种群执行多目标遗传算法的迭代，得到目标种群，利用所述目标种群构建所述规则分类器，并利用所述规则分类器对全部所述样本进行分类，得到关于所述初始特征子集的分类准确率；根据所述可靠性排序和所述分类准确率调整所述初始特征子集中的所述属性，得到目标特征子集；根据所述分类顺序，进行全部所述类别的分类，得到每次分类操作的所述目标特征子集和所述规则分类器；集成全部所述目标特征子集和所述规则分类器，用于对所述医疗数据集中的新样本进行分类；所述在每次针对单个所述类别的分类中，所述对于每个所述属性，利用该属性和每个所述类别计算费希尔得分、皮尔逊相关系数和互信息，对计算结果进行融合，得到该属性的属性可靠性，包括：在每次针对单个所述类别的分类中，执行关于该类别，和非该类别的二分类操作；对于每个所述属性，计算该属性在所述二分类操作中的两个所述类别中的类间均值、该属性在每个所述类别中的类内均值和类内方差；利用所述类间均值、类内均值和类内方差计算所述费希尔得分；对于每个所述属性，计算该属性与每个所述类别的协方差、该属性在两个所述类别中的类间方差，对于每个所述类别，计算该类别的类别方差；利用所述协方差、所述类间方差和所述类别方差计算每个所述属性与每个所述类别之间的所述皮尔逊相关系数；对于每个所述属性和每个所述类别，利用该属性的值域和该类别的值域计算该属性和该类别之间的互信息；对所述费希尔得分、所述皮尔逊相关系数和所述互信息的计算结果均进行归一化处理，并对归一化处理后的数值取均值，作为该属性的属性可靠性。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于规则分类器的医疗数据分类方法及相关设备

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