[发明专利]构建认知障碍智能预测方法

说明书

本发明提供一种构建认知障碍智能预测方法，包括以下步骤，1.包括以下步骤，S1获取原始问卷数据；S2数据清洗；S3数据预处理及可视化处理；S4结合专家知识特征筛选和智能算法特征筛选获取特征子集；S5构建认知障碍智能预测模型；S6采用十折交叉验证来检验构建认知障碍智能预测模型的有效性S7结合专家知识进行模型的调试优化；S8采用认知障碍智能预测进行老年痴呆早期筛查。本发明评估问项简单易懂、操作简单、无需专业医护人员指导、适合大众自评、预测准确率高的智能预测模型。

技术领域

本申请涉及互联网技术领域，尤其涉及一种构建认知障碍智能预测方法。

背景技术

认知障碍的发病与患者基本情况、生活习惯、身体状况、以及病史、治疗等情况都密切相关。目前尚不完全清楚哪些因素与认知障碍的发病有高度相关。也没有能够针对认知障碍风险实现预测的有效模型。

传统AD的筛查多使用MMSE、MOCA等评分工具。这类量表往往需要通过医务人员指导被评估人，并且进行专业的量化评分才能得出结果。而更完整的系统问卷涉及上百问项，填写时间耗时巨大，最终评估结果需要很长时间才能计算出来。

现有技术中的认知障碍智能预测检测费时费力，不能实现快速自动化检测。

发明内容

为了解决现有技术中的认知障碍智能预测检测费时费力，不能实现快速自动化检测的问题，本发明提供一种构建认知障碍智能预测方法，包括以下步骤，S1获取原始问卷数据；

S2数据清洗；

S3数据预处理及可视化处理；

S4结合专家知识特征筛选和智能算法特征筛选获取特征子集；

S5构建认知障碍智能预测模型；

S6采用十折交叉验证来检验构建认知障碍智能预测模型的有效性；

S7结合专家知识进行模型的调试优化；

S8采用认知障碍智能预测进行老年痴呆早期筛查。

进一步的，所述步骤S3具体包括，对特征的集成和变换、数据的离散化和归约，将277个原始问项扩展得到324个变量的向量，生成1121个二元变量。

进一步的，步骤S4具体包括专家知识特征选择和智能算法特征选择两个环节，在第一环节，基于专家知识剔除一些已知在数据收集过程中存在偏倚的问项、不适合作为预测因子的问项，以及需要专业人员进行评估、非简易的问项，由此从324个变量的向量降维到212个变量的向量，在第二环节，通过智能算法特征选择将212个变量的向量降维到具有高预测能力的关键20个变量的向量。

进一步的，所述步骤S6包括，采用随机分层抽样技术构建样本量比例为9：1的训练集和测试集配对数据集共10组；建模算法涉及的任何抽样或加权等改变正负例样本比例或权重的操作只限于训练集，测试集只用于已训练模型的性能评估，保证模型性能评估的严谨性；计算10组配对数据集的预测建模平均性能用于评估本发明建模方法的有效性。

进一步的，所述步骤S7包括，结合专家知识，对数据特征变量进行增删或集成、变换，调整模型参数，以达到预测模型的最佳效能。

本发明的有益效果是，根据患者的基本情况、生活习惯、身体状况、以及病史、治疗等相关因素，通过数据挖掘，分析出与认知障碍发病最为相关的、适合大众自评的预测因子20个。构建的智能预测模型可将问项控制在20项左右，只需要很少的时间填写，填写完毕立即可以获得评估结果，包括风险高低分类和风险概率估计，可以满足临床实践需要，模型预测准确率达到70％、召回率等至少达到70％，本发明构建评估问项简单易懂、操作简单、无需专业医护人员指导、适合大众自评、预测准确率高的智能预测模型。

附图说明

图1为本发明流程图。