[发明专利]基于机器学习的胃食管反流疾病危险因素确定方法及系统

说明书

本发明公开了一种基于机器学习的胃食管反流疾病危险因素确定方法及系统，解决现有技术中采用统计学确定胃食管反流疾病危险因素时精确率低的问题。首先构建包含胃食管反流疾病危险因素的用户信息集，并对用户信息集中的因素进行量化处理，得到量化数据矩阵；其次对量化数据矩阵进行标准化，采用主成分分析算法对标准化后的矩阵进行降维处理；然后采用层次聚类算法对处理后的数据集中的数据聚类，得到层次聚类树状图；再者根据层次聚类树状图确定的聚类数目，并根据聚类数目对处理后的数据集中的数据进行聚类划分，得到多个类簇；最后计算每个类簇中各个元素间的相关指数，并将相关指数最大的元素确定为胃食管反流疾病危险因素。

技术领域

本发明涉及机器学习与医学技术领域，特别是涉及一种基于机器学习的胃食管反流疾病危险因素确定方法及系统。

背景技术

胃食管反流疾病作为一种世界范围内普遍存在的消化系统疾病，其发病率呈现出逐年上升的趋势。因此，胃食管反流疾病的治疗应当引起我们的足够重视。由于胃食管反流疾病的发生与生活方式、情绪变化、饮食习惯等密切相关，病情极易发生变化，因此通过采集大量数据并分析数据特征对研究该疾病及预防有重要作用。

目前在胃食管反流疾病诊断技术中采用机器学习方法提取危险因素并不多见，大多数在医学领域对于危险因素的提取采取的是统计学方法，而统计学方法计算量大，同时与机器学习相比精确率较低。

发明内容

本发明的目的是提供一种基于机器学习的胃食管反流疾病危险因素确定方法及系统，以解决现有技术中采用统计学确定胃食管反流疾病危险因素时精确率低的问题。

为实现上述目的，本发明提供了如下方案：

一种基于机器学习的胃食管反流疾病危险因素确定方法，包括：

构建用户信息集；所述用户信息集为M行N列的数据集；所述用户信息集中的第i行第1列的因素为用户问卷ID号，且不同行中第1列的因素表示为不同的用户问卷ID号；所述用户信息集中的第1行第j列的因素为调查问卷的问题，且不同列中第1行的因素表示为不同的问题；所述用户信息集中的第i行第j列的因素为第i用户问卷ID号对第j问题的答案；其中，2≤i≤M，2≤j≤N；M表示参与调查问卷的所有用户的数量，N表示调查问卷中的所有问题的数量；

对所述用户信息集中的答案进行数据量化处理，得到量化数据矩阵；所述量化数据矩阵为M行N列的矩阵；所述量化数据矩阵中的第i行第1列的元素为用户问卷ID号，且不同行中第1列的元素表示为不同的用户问卷ID号；所述量化数据矩阵中的第1行第j列的元素为调查问卷的问题，且不同列中第1行的元素表示为不同的问题；所述量化数据矩阵中的第i行第j列的元素为第i用户问卷ID号第j问题答案的数据量化结果；其中，2≤i≤M，2≤j≤N；

对所述量化数据矩阵进行标准化处理，得到标准化数据矩阵；

采用主成分分析算法对所述标准化数据矩阵进行降维处理，并对降维后的数据矩阵进行重构处理，得到重构数据矩阵；

采用层次聚类算法，对所述重构数据矩阵中的每个样本点进行处理，得到层次聚类树状图；第z个所述样本点代表所述重构数据矩阵中的第z行数据；其中，2≤z≤M；

根据所述层次聚类树状图确定聚类数目，并根据所述聚类数目，采用聚类算法对所述重构数据矩阵中的元素进行聚类，得到多个类簇；

计算每个所述类簇中各个元素间的相关指数，并将相关指数最大的元素确定为胃食管反流疾病危险因素；所述相关指数为相关系数平方的平均数。

可选的，所述对所述量化数据矩阵进行标准化处理，得到标准化数据矩阵，具体包括：

采用Z-Score标准化算法，对所述量化数据矩阵进行标准化处理；所述标准化数据矩阵中每个维度的数据均服从均值为0、方差为1的正态分布。