[发明专利]CT增强对比剂智能匹配模型的建立方法

权利要求书

1.CT增强对比剂智能匹配模型的建立方法，其特征在于包括以下步骤：

数据标准化处理，对CT增强检查的患者过敏人数和对比剂过敏反应指标数据进行统计；

对CT增强检查的患者过敏人数和对比剂过敏反应指标数据进行聚合，寻找变量间的强相关性，得出最佳的影响因子，并根据所述最佳影响因子对不同过敏情况进行聚合；

所述聚合包括如下步骤：

根据不同的时间粒度m对每日CT增强检查过敏人数Y^t以及单一的因子指标数据X^t进行聚合：

Y^t＝Y^t-1+Y^t-2+...+Y^t-m，

X^t＝X^t-1+X^t-2+...+X^t-m；

使用皮尔森相关系数衡量每日CT增强检查过敏人数Y^t以及因子指标数据X^t之间的强相关性，皮尔森相关系数r公式如下：

其中，为某种聚合后的因子指标数据的历史均值，为CT检查人数均值，n为序列总长度；

通过r确定最佳的影响因子M：

依次寻找出不同因子的最佳聚合并进行聚合操作；

运用贝叶斯岭回归模型对未来CT增强检查人员使用何种对比剂具有过敏反应进行预测；

将预测序列和真实对比剂过敏人数序列计算相关性，得到影响因子和对比剂过敏反应之间的相关程度，根据分析结果得出影响对比剂的关键因子；

通过logistic回归分析，得到自变量的权重，确定关键因子的等级。

2.根据权利要求1所述的CT增强对比剂智能匹配模型的建立方法，其特征在于：所述数据标准化处理包括以下步骤：

在患者病历上筛选所研究的CT增强检查；

统计每日该CT增强检查类型的过敏患者人数；

通过过敏患者的病历情况获取对比剂过敏反应指标数据。

3.根据权利要求2所述的CT增强对比剂智能匹配模型的建立方法，其特征在于，所述预测包括如下步骤：

根据贝叶斯岭回归模型作为组合模型，通过贝叶斯岭回归预测CT增强检查过敏人数序列Y^t，假设Y^t关于服从高斯分布：

概率模型的先验参数ω服从球型高斯分布：

其中，X^t_all为通过贝叶斯岭回归拟合的多因子指标数据的组合特征值，ω为权重参数向量，α^-1为对应的多种因子指标数据的集合的方差，β^-1为ω的高斯分布的方差。

4.根据权利要求3所述的CT增强对比剂智能匹配模型的建立方法，其特征在于，计算相关性包括如下步骤：从预测的CT增强检查过敏人数序列后，计算预测序列和真实序列之间的相关系数，得到因子指标和检查过敏人数之间的相关程度，相关系数绝对值越大，相关程度越强，从而对关键因子和CT增强检查过敏人数影响进行评估。

5.根据权利要求4所述的CT增强对比剂智能匹配模型的建立方法，其特征在于：对历史数据采用了logistic回归算法来根据患者身体体质将对比剂的关键因子分为四个等级，根据不同等级匹配使用何种对比剂，建立对比剂专家知识库。

6.一种计算机设备，其特征在于：包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发数据，所述处理器用于读取所述计算机程序，执行如权利要求1～5中任意一项所述的方法。

7.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～5中任意一项所述的方法。