[发明专利]一种大数据医疗数据特征提取和智能分析预测方法

权利要求书

1.一种大数据医疗病情诊断和治愈率预测方法，其特征在于，包括：

步骤1，采集病历数据，并针对数据进行清洗，具体是进行电子化、格式化、归一化病历数据，去除无效、无关的数据，作为系统输入；

步骤2，将输入病历数据进行向量化，具体是将中文病历进行分词，作为系统输入的基本单元；

步骤3，挖掘步骤2输出的病历数据，并进行信息提取，具体是将病历数据都表示成向量之后，通过神经网络提取其中的内在特征和病理，

步骤4，获取病情诊断和治愈率预测结果；

步骤5，参数调优与更新，机器学习模块通过训练使预测值拟合于真实治愈率，计算预测值和真实值之间的误差(损失函数)，更新系统参数，不断降低损失，使结果不断趋向准确。

2.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤1的具体方法包括：对于不同量纲的数值统一量纲单位；使用归一化方法统一数值型数据的分布区间，方法为：

归一化后的数值＝(原数值-最小值)/(最大值-最小值)。

3.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤2中进行向量化的具体步骤是：

步骤一，建立词语表，具体是遍历全部数据，得到全部的词语集合；

步骤二，将每个词语转换成向量，具体是：假设整个病历集的不重复的词语数为K，使用自然语言处理中的词嵌入方法将该K个元素各自映射至特定维度N的向量空间中，得到K×N的映射空间，此时词表元素表示为(K，N)维度的向量；例如可以通过词嵌入的方式将“医疗”表示为100维的向量[0.618 0.24911-0.42242 0.1217 0.34527-0.034457…]。

4.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤3采用神经网络提取数据中的内在特征和病理，具体方法是：设置向量化后的文本数据为输入，通过神经网络(如卷积神经网络)为的神经元自动计算向量空间中的特征表示，输出为神经元学习后的特征向量。

5.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤4中，病情诊断的具体方法包括：

病情诊断可视为机器学习中的多种诊断目标分类任务，具体为将特征向量通过转换为每种可能病例类型的概率，方法为：

其中a_j是神经网络输出的特征向量，j表示类别索引，总的类型数量是T，S_j表示当前元素的指数与所有元素指数和的比值。

6.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤4中，治愈率预测的具体方法包括：

愈率预测设定为回归任务，治愈率预测步骤中，将特征向量转换为0-1的治愈率区间；具体为：在得到h之后可以通过一个sigmoid函数(不仅限该种函数)；

其中a是神经网络输出的特征向量，y为治愈率预测结果。

7.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤5中，损失函数使用回归拟合计算预测概率和真实值之间的差距；

对于病情诊断使用交叉熵；

对于治愈率采用均方误差：

其中在上述两个公式中，y_t为目标类别，预测类别，N表示输入数据的个数，t表示当前的数据序号。