[发明专利]骨密度与骨密度影响因素之间因果关系的确定方法及系统

权利要求书

1.一种骨密度与骨密度影响因素之间因果关系的确定方法，其特征在于，包括：

获取临床医学数据，所述临床医学数据中包含骨密度临床医学数据；

对所述临床医学数据进行预处理，得到标准化临床医学数据，所述预处理包括：缺失值补全、异常值修正以及数据离散化；

在局部阶段，查找所述标准化临床医学数据中各个目标特征变量的马尔科夫毯，得到一个马尔科夫毯集，所述目标特征变量包括：所述骨密度临床医学数据中的骨密度数据和骨密度影响因素；

在全局阶段，根据所述马尔科夫毯集和医学先验知识得到全局有向无环图结构，所述全局有向无环图结构用于表征骨密度与骨密度影响因素之间的因果关系。

2.根据权利要求1所述的确定方法，其特征在于，对所述临床医学数据进行数据离散化的过程包括：

对所述临床医学数据进行进行归一化处理，得到目标临床医学数据；

将所述目标医学数据中各个特征变量中的骨密度特征变量确定为响应变量，非骨密度特征变量确定为非响应变量；

计算每个所述非响应变量和每个所述响应变量之间的关联关系值；

将所述关联关系值小于关联关系阈值的响应变量和非响应变量，采用第一离散方法进行数据化离散，所述第一离散方法为：将标准差小于-1的响应变量和非响应变量的数值设置为0；将标准差在-1和1之间的响应变量和非响应变量的数值设置为0；将标准差大于1的响应变量和非响应变量的数值设置为2；

将所述关联关系值不小于所述关联关系阈值的响应变量和非响应变量，采用第二离散方法进行数据化离散，所述第二离散方法为：基于卡方检验，使用滑动阈值或滑动窗口进行数据化离散。

3.根据权利要求1所述的确定方法，其特征在于，在局部阶段，查找所述标准化临床医学数据中每个目标特征变量的马尔科夫毯的过程包括：

将所述标准化临床医学数据中的目标特征变量作为目标节点，从所有的特征变量中查找所述目标节点的邻节点；

基于所述邻接点，采用交叉验证方法修剪所述目标节点的父节点和子节点，得到修剪后的目标父节点和目标子节点；

基于所述邻节点，从所有的特征变量中查找所述目标节点的配偶节点；

将所述目标父节点、所述目标子节点和所述配偶节点的集合确定为所述目标特征变量的所述马尔科夫毯。

4.根据权利要求3所述的确定方法，其特征在于，所述将所述标准化临床医学数据中的目标特征变量作为目标节点，从所有的特征变量中查找所述目标节点的邻节点，具体包括：

从所有的特征变量中查找所述目标节点所有的潜在邻节点；

计算每个所述潜在邻节点与所述目标邻节点之间的关联关系值；

从所有的所述潜在邻节点中筛选出关联关系值最大的作为所述目标节点的邻节点，并剔除所述潜在邻节点中错误的特征变量节点。

5.根据权利要求1所述的确定方法，其特征在于，所述在全局阶段，根据所述马尔科夫毯集和医学先验知识得到全局有向无环图结构，具体包括：

在全局阶段，根据马尔科夫毯集和医学先验知识判断是否存在碰撞器；

如果是，则基于所述碰撞器构建所述全局有向无环图结构；

如果否，则采样启发式方法构造潜在贝叶斯网络的所述全局有向无环图结构。

6.一种骨密度与骨密度影响因素之间因果关系的确定系统，其特征在于，包括：

获取单元，用于获取临床医学数据，所述临床医学数据中包含骨密度临床医学数据；

预处理单元，用于对所述临床医学数据进行预处理，得到标准化临床医学数据，所述预处理包括：缺失值补全、异常值修正以及数据离散化；

查找单元，用于在局部阶段，查找所述标准化临床医学数据中各个目标特征变量的马尔科夫毯，得到一个马尔科夫毯集，所述目标特征变量包括：所述骨密度临床医学数据中的骨密度数据和骨密度影响因素；

因果关系确定单元，用于在全局阶段，根据所述马尔科夫毯集和医学先验知识得到全局有向无环图结构，所述全局有向无环图结构用于表征骨密度与骨密度影响因素之间的因果关系。