[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

说明书

本发明公开了一种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，获取临床医学数据，该临床医学数据中包含骨密度临床医学数据，对临床医学数据进行预处理，得到标准化临床医学数据，在局部阶段，查找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，在全局阶段，根据马尔科夫毯集和医学先验知识得到全局有向无环图结构，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。本发明通过医学先验知识结合局部阶段确定的各个目标特征变量的马尔科夫毯，从临床医学数据中确定骨密度与骨密度影响因素之间的因果关系，由于医学先验知识是充分的，因此，本发明无需进行长期的医学数据统计实验。

技术领域

本发明涉及医学技术领域，更具体的说，涉及一种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。

背景技术

骨质疏松症是一种由多种原因导致骨密度(Bone Mineral Density，BMD)和骨质量下降，骨微结构破坏，造成骨脆性增加，从而容易发生骨折的全身性骨病。因此，检测骨密度影响因素并确定骨密度与各个骨密度影响因素之间的因果关系有重要的医学研究价值。

现有技术中的一种方案为：采用大型纵向前瞻性研究查找骨密度影响因素，虽然传统的大型纵向前瞻性研究可以查找骨密度影响因素，但是该研究方法不仅需要进行复杂的数据分析和数据处理，且无法确定骨密度与各个骨密度影响因素之间的因果关系，而且需要花费较高的研究成本。另一种方案为：采用机器学习以及贝叶斯网络结构学习算法，自动识别骨密度影响因素并确定骨密度与骨密度影响因素之间因果关系。虽然第二种方案可以有效降低研究成本，解决第一种方案中存在的问题，但是，第二种方案仍存在一些不足，主要问题包括：在医学领域，临床样本十分昂贵且数量有限，而骨密度影响因素又相对复杂，因此仅根据临床样本进行训练，通过贝叶斯网络结构化学习算法所确定骨密度与各个骨密度影响因素之间的因果关系的可靠性不高。

发明内容

有鉴于此，本发明公开一种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，以通过医学先验知识结合局部阶段确定的各个目标特征变量的马尔科夫毯，从临床医学数据中确定骨密度与骨密度影响因素之间的因果关系，由于医学先验知识是充分的，因此，本发明无需长期的医学数据统计实验即可获取更可靠的骨密度与各个骨密度影响因素之间的因果关系。

一种骨密度与骨密度影响因素之间因果关系的确定方法，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。

可选的，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；