[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

说明书

本发明提供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，其包括以下步骤:数据样本选择、特征筛选、重要特征选择、模型建立，预测结果打分。本发明将坏死性小肠结肠炎相关数据进行系统的分析、建模，并给出模型预测的评价方法，通过该模型能够基于坏死性小肠结肠炎数据，对病人坏死性小肠结肠炎进行有效的辅助诊断，使在发病前期进行有效的的预防干预和治疗，为达到最佳治疗效果提供依据。

技术领域

本发明涉及医学预测技术领域，具体地说，涉及一种基于医疗数据建模的坏死性小肠结肠炎预测方法。

背景技术

坏死性小肠结肠炎(Necrotizing Enterocolitis,NEC)为婴儿出生第一周威胁低出生体重新生儿的常见疾病。在新生儿重症护理报告中有1％～5％的发病频率。数据显示：7％的出生体重小于一公斤的新生儿患有确定性坏死性小肠结肠炎。坏死性小肠结肠炎的两种发病方式：医疗性坏死性小肠结肠炎(Medical NEC)又叫非进展性坏死性小肠结肠炎(Non-progressive NEC)；外科坏死性小肠结肠炎(Surgical NEC)又叫进展性坏死性小肠结肠炎(Progressive NEC)。坏死性小肠结肠炎患者总体死亡率在15％～30％，在进展性坏死性小肠结肠炎中死亡率要更高。

目前,医疗性坏死性小肠结肠炎与外科性小肠结肠炎分类预测模型的诊断需要放射检查，目前存在的基于数据的分类模型，多为线性模型，典型代表为线性判别分析方法。

但是，上述方法采用模型过于简单，不能有效发现重要特征集合，提高模型性能和准确度。

基于医疗数据的坏死性小肠结肠炎分类模型有助于对病人坏死性小肠结肠炎进行有效的辅助诊断，使在发病前期进行有效的预防干预和治疗，为达到最佳治疗效果提供依据。

发明内容

为解决以上问题，本发明提供的一种基于医疗数据的坏死性小肠结肠炎分类预测方法，其具体的技术方案如下：

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；