[发明专利]一种基于常规检验数据的肺结核智能识别方法

说明书

本发明提供一种基于常规检验数据的肺结核智能识别方法，其特征是使用常规检验数据，包括血常规、生化、尿常规等在内的实验室各检验指标数据，使用机器学习方法训练一个或多个分类器，对患者是否患有肺结核进行智能识别，并将分类器部署至医院lis系统，接收实时检验数据以完成肺结核的智能识别。本发明目的在于解决现有的针对肺结核的诊断方法疾病识别效率和准确率低，成本以及经验依赖较高，无法满足医疗资源不平衡现状下的肺结核防治需求。

技术领域

本发明涉及检验医学领域，具体涉及一种基于常规检验数据的肺结核识别方法。

背景技术

肺结核是严重威胁人民生命安全的传染性疾病，当前，抗酸菌涂片镜检、结核分枝杆菌分离培养和药物敏感性试验等常规方法仍然是各国细菌学诊断的主要方法，这种常规方法不仅是发现传染源的最主要手段，同时也是确诊肺结核病、选择治疗方案、考核疗效以及评价防治效果的可靠指标。然而这种传统方法依赖于细菌样本的获取质量，同时由于细菌培养周期较长，受实验环境以及医生经验因素影响较大，容易发生漏诊的现象，因此在总体上仍不能满足快速、准确、便捷、成本低廉的肺结核诊断要求。

发明内容

本发明的目的是本发明提出了一种基于常规检验数据的肺结核智能识别方法。目的在于解决现有的针对肺结核的诊断方法疾病识别效率和准确率低，成本以及经验依赖较高，无法满足医疗资源不平衡现状下的肺结核防治需求。

为了达到上述目的，本发明提供一种基于常规检验数据的肺结核智能识别方法，包括：

获取检验样本数据并进行数据预处理，其中，所述检验样本数据根据常规检测项目进行合并；

对检验样本数据进行影响因素分析，实现特征维度确定和提取；

对检验样本数据维度缺失值进行填补；

基于检验样本数据产生一个或多个适用于肺结核智能识别的分类器；

其中分类器的生成过程包括：根据历史检验结果将检验样本数据分为阳性数据组和阴性数据组，建立阳性数据组和阴性数据组的训练集、验证集和测试集，根据阳性数据组和阴性数据组的训练集分别训练分类器，通过验证集优化各分类器的型高参数和结构，通过测试集绘制roc曲线，并根据roc曲线下面积auc对分类器进行评价，以完成分类器的训练；

将分类器部署至实时医院lis系统，接收实时检验数据以完成肺结核的智能识别。

进一步的，所述检验样本数据为包括血常规、生化、尿常规等在内的实验室各检验指标数据，所述检验样本的数据预处理过程包括数据的标准化、合并、区域转置和变量筛选。

进一步的，将检验样本数据进行分时段处理，其中标注数据时，确诊前3天，确诊后2个月的常规检验指标都作为阳性样本。

进一步的，在样本数据体现患者接受药物干预时，在筛选样本数据过程中，阳性样本集中排除掉这部分样本。

进一步的，在对样本数据缺失值进行填补时，采用一种强化学习的奖励激励，当填补后的样本被分类器误判时，对缺失值填补机制奖励，被分类器准确判断时，对缺失值填补机制进行惩罚。

进一步的，所述阳性数据组和阴性数据组进行1：1、3：1、5：1的比例进行配对，并对数据集根据70％、10％和20％的比例随机分为训练集、验证集和测试集。

进一步的，根据roc曲线下面积auc对分类器进行评价的过程中，当auc＞0.8则判断分类器训练成功。