[发明专利]基于多标签模型的帕金森病证型的辅助预测方法

说明书

技术领域

本发明涉及一种针对帕金森病证型的建模及预测方法，该方法解决了多标签分类算法在类别稀疏和不均衡的情况下预测不准确的问题。

背景技术

数据挖掘主要是指从巨量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。随着数据挖掘的发展，如今数据挖掘技术已经广泛的应用于各个行业当中。

本发明的主要目标就是将数据挖掘技术应用于帕金森病中医诊断中，通过数据挖掘技术的引入，以规范帕金森病中医诊断的过程，使其诊断过程可以尽可能的客观可靠，从而达到应用于实践中辅助医生进行临床诊疗，更好的服务患者的目的。

中医将帕金森病分为五种证型，每个患者可能伴有一种或两种证型，并且有主证和次证之分。随之伴随的问题是，传统的多标签分类算法只能预测证型，无法区分主、次证。但是，若将主、次证分开预测又会造成训练数据的类别不均衡和割断了主、次证的关联性，会严重影响预测的效果。基于信息熵的多标签分类方法即可以区分主、次证，又能够很好的克服主、次证分离后类别不均衡的问题，保证了预测的准确性。

发明内容

本发明目的是，解决的这样的问题，当帕金森病主、次证分离时造成的类别不均衡的问题，主要关注的是既能辅助识别主、次证，又要能够保证提高预测的准确性。

本发明的技术方案是：基于多标签模型的帕金森病证型的辅助预测方法，包括三个模块：预测模型的构建、均衡性评估和挖掘预测阶段处理模块；

1)预测模型的构建模块的流程：

a.选定一个主证；

b.选取K个次证；

c.将主证和K个次证组成新的证型集；

d.评估该证型集的均衡性；

e.若均衡性满足条件，则确定了主证与次证的关联性，否则返回b；

f.将证型集作为训练数据构建一个多标签模型；

g.结束。

2)均衡性评估

a.将1)-c得到的证型集进行组合；

b.统计证型组合的数量和出现的频率；

c.根据信息熵公式，计算该证型集的熵值；

d.结束。

3)预测阶段

a.将给定的待预测数据传给1)-f得到模型进行分类；

b.将所有模型的分类结果进行投票，得到最终预测结果。

c.结束。

本发明1)-a中，因为所有证型都有可能成为主证，因此采用逐个遍历证型的方法。

本发明1)-b,c,d中，选取K个次证，K首先取0，也就是将主证单独作为一个证型集，若不满足均衡条件，将K逐渐递增，取0,1,2,3···此外，当K值变大时，次证的选取组合就会变多。为了取得全局最优的组合，可以遍历所可能性，取均衡性最优的组合，但这个方案的执行效率低。也可以随机的抽取一些组合提高效率，但是得到的是局部最优的组合。这两种选取方案各有利弊，可根据需求选取。

本发明1)-e中，一旦确认了证型集，就可确立主证与次证的关联性。

本发明1)-f中，采用Label Powerset多标签分类算法构建模型。一个证型集对应训练一个模型。

本发明2)-a中，原数据中使用01标注患者是否诊断有该证型，采用二进制编码的方式对证型集进行组合。

本发明2)-b中，统计出证型组合的数量和每种组合出现的频率。

本发明2)-c中，信息熵的公式为-Σp_ilog₂(p_i)。为了方便K取不同值时，比较不同证型集之间的熵值，归一化熵值：-Σp_ilog₂(p_i)/log₂(C)。p_i某种组合出现的频率.

本发明3)-a中，将待预测的数据分别传给1)-f中构建的模型，每个模型都将得到一个预测结果。