[发明专利]基于密度诱导1类支持向量机的医疗诊断方法及系统

说明书

技术领域

本申请涉及医疗诊断领域，更具体地说，涉及一种基于密度诱导1类支持向量机的医疗诊断方法及系统。

背景技术

传统的医疗诊断是通过医生根据临床经验，对病人进行推理诊断的决策过程。这种决策的正确性完全取决于医生的个人经验，显然传统的这种医疗诊断方法不能够满足现代社会发展的要求。

在现代社会计算机广泛普及的情况下，很多传统的任务都能够采用智能化的手段来处理。智能的医疗诊断过程将比传统的医疗诊断提供更为客观和准确的决策。目前，很多机器学习方法都应用到了医疗诊断中，比如K近邻方法、支持向量机、神经网络等。但是，由于医疗数据是非常不平衡的数据，其正常数据多，非正常数据少，非正常数据反映的是某人是某种疾病的携带者，因而常规的机器学习分类方法不能够获得较好的分类结果。

发明内容

有鉴于此，本申请提供了一种基于密度诱导1类支持向量机的医疗诊断方法及系统，用于解决现有机器学习分类方法针对不平衡的医疗数据，无法有效的进行正确分类的问题。

为了实现上述目的，现提出的方案如下：

一种基于密度诱导1类支持向量机的医疗诊断方法，包括：

计算多个已知数据类型的训练样本的相对密度；

由所述训练样本、与每个所述训练样本对应的数据类型和每个所述训练样本的相对密度，构成三元训练样本集；

利用所述三元训练样本集来训练密度诱导1类支持向量机，获得一个已知半径的超球体模型；

获取待测医疗诊断数据；

将所述待测医疗诊断数据代入所述超球体模型中，判断所述待测医疗诊断数据所代表的点是否位于所述超球体模型内，如果是，则表示该待测医疗诊断数据的数据类型为正常，否则表示数据类型为异常。

优选地，所述多个已知数据类型的训练样本表示为：

其中x_i∈R^D，y_i∈(+1,-1)，N是训练样本的个数，D是训练样本的维数，y_i代表训练样本x_i的数据类型，若y_i=1表示x_i为正常数据，若y_i=-1表示x_i为异常数据。

优选地，所述计算多个已知数据类型的训练样本的相对密度，具体为：

对x_i寻找其k个近邻，令x_i与第k个近邻的距离为则该训练样本的相对密度为：ρi=dik/(1NΣi=1Ndik).]]>

优选地，所述三元训练样本集为：

优选地，所述利用所述三元训练样本集来训练密度诱导1类支持向量机，获得一个已知半径的超球体模型，具体为：

利用所述三元训练样本集，求解下面的二次优化问题：