[发明专利]一种基于医疗数据建模的坏死性小肠结肠炎分类预测方法

权利要求书

1.一种基于医疗数据建模的坏死性小肠结肠炎分类预测方法，其特征在于：其包括以下步骤：

步骤1：数据样本选择；从数据集中抽取可供建模的有效数据；

步骤2：特征筛选；从数据集中初步筛除方差较小特征，筛除相关性较大特征；

步骤3：重要特征选取；按以下步骤进行：

(3.1)利用随机森林方法计算特征集合中的每一个特征的特征重要性得分；

(3.2)结合序列后向选择算法：将数据集分割为训练集和测试集，从全部特征集合s开始，使用全部特征s对应训练集，使用SVM回归模型拟合，并计算相应测试集的AUC值，从特征集合s中，去掉特征重要性得分最低的特征，使用余下特征集合对应训练集训练SVM回归模型，计算相应测试集的AUC值，重复该过程，直至特征集合s中没有特征，选择出具有最佳表现的特征集合作为最优的特征子集optimalset；

步骤4：坏死性肠结炎分类模型构建与评价，其步骤如下：

(4.1)使用随机划分的方式，将optimalset对应数据集optimaldataset分割为训练集Xtrain和测试集Xtest；

(4.2)使用SVM回归方法在训练集上拟合Xtrain数据集，使用径向基核作为核函数，建模过程使用十折交叉验证选取模型参数；

(4.3)使用训练出的回归模型对Xtest中数据进行预测，计算出的预测值为坏死性肠结肠炎分类得分；

步骤5：坏死性肠结肠炎分类结果的概率化打分：

(5.1)将最优数据集optimaldataset划分为训练集、测试集、验证集三部分；

(5.2)使用训练集结合SVM回归方法建立坏死性肠结肠炎分类模型，使用测试集计算不同概率化打分对应阈值，预测验证集的概率化打分；

(5.3)结合验证集概率化打分，选定概率化得分80分以上病人为坏死性肠结肠炎需要手术概率较大人群，基于选定的阈值，验证模型表现。

2.根据权利要求1所述的一种基于医疗数据建模的坏死性小肠结肠炎分类预测方法，其特征在于：步骤(3.2)中，按如下步骤进行：

A.将数据集分割为训练集和测试集，使用特征重要性计算过程中得到的特征重要性得分，对特征按照得分高低进行重要性排序；

B.根据全部特征s对应训练集，使用SVM回归模型拟合，并计算相应测试集的AUC值；

C.从特征集合中，去掉得分最低的特征，使用余下特征集合对应训练集训练SVM回归模型，并计算相应测试集的AUC值；

D.重复步骤C，直至特征集合为空；

E.根据上述步骤，得到对应最优AUC值的特征集合optimalset，进一步得到其对应的最优数据集合optimaldataset；

F.根据以上过程得到的最优特征集合optimalset，根据对应数据集训练得到最优模型。

3.根据权利要求1所述的一种基于医疗数据的坏死性小肠结肠炎分类预测方法，其特征在于：步骤1中需要处理的数据集，为包含以下方面信息的数据集：历史性因素、体检参数、病史参数、放射检查结果、临床实验数据。

4.根据权利要求3所述的一种基于医疗数据的坏死性小肠结肠炎分类预测方法，其特征在于：步骤1中原始数据集包含以下特征：

(1)历史性因素：喂养不耐受、窒息/心动过缓、血氧饱和度下降、眼观便血，(2)体检参数：腹部肿胀、毛细血管再充盈时间大于2秒、腹壁色变、腹部压痛、腹水，(3)病史参数：病人符合坏死性肠结肠炎定义当天是否戴呼吸机、病人符合坏死性肠结肠炎定义当天是否吃升压药，(4)放射检查结果：肠壁积气、肛门静脉积气、肠梗阻、肛管扩张、气液面、肠壁增厚、气腹，(5)临床实验数据：白细胞浓度、中性粒细胞浓度、中性粒细胞减少、绝对中性粒细胞计数、带状核浓度、带状核计数、血小板数、碳酸氢盐浓度、pH值、pH站、腹痛、血小板减少症、酸液过多症。