[发明专利]一种基于实例迁移的帕金森病严重性预测方法及装置

权利要求书

1.一种基于实例迁移的帕金森病严重性预测方法，其特征在于，包括：

分析特定目标患者与数据集中其他患者间帕金森病发展趋势的相似性，获取与所述特定目标患者疾病发展趋势相似的患者的集合；

统计获取所述相似患者的集合中每个患者的贡献百分比；

统计获取所述相似患者的集合中每个患者的单个实例数据的贡献度；

根据所述相似患者的集合中每个患者的贡献百分比和单个实例数据的贡献度，选择与所述特定目标患者病情相似的实例数据并迁移至所述特定目标患者的训练数据。

2.根据权利要求1所述的一种基于实例迁移的帕金森病严重性预测方法，其特征在于，所述特定目标患者与数据集中其他患者间帕金森病发展趋势的相似性采用如下方式得到：

将数据集D中的所有数据按照患者的方式分别划分为源域的患者数据和所述特定目标患者数据T＝{T_train，T_val，T_test}，其中，m表示源域中患者的数量，s_i表示源域中第i个患者的所有实例数据，T_train、T_val和T_test分别表示所述特定目标患者的训练集、验证集和测试集；

将源域S中m个患者的数据分别输入随机森林(Random Forest，RF)回归器中，建立m个特定的预测模型预测的目标值为统一帕金森病评定量表(UnifiedParkinson′s Disease Rating Scale，UPDRS)，其中，表示利用第s_i个患者训练的随机森林RF模型；

所述特定目标患者与第s_i个患者间病情发展趋势的相似性按照以下公式计算：

其中，和分别表示T_val中第j个特征向量和目标值，N_val表示T_val中实例的个数，所述表示T_val输入模型之后的平均绝对误差；将T_val分别输入RF(S)中所有的随机森林RF预测模型可得到m个不同的平均绝对误差通过将中的平均绝对误差按照从小到大的顺序排序，可得到前k个平均绝对误差值较小的患者；据此，可获取与所述特定目标患者疾病发展趋势相似的患者的集合其中，表示从源域中迁移的第i个患者的数据。

3.根据权利要求1所述的一种基于实例迁移的帕金森病严重性预测方法，其特征在于，所述统计获取所述相似患者的集合中每个患者的贡献百分比，包括：

按照以下公式，通过Sh印ley值计算对所述特定目标患者的帕金森病严重性预测的贡献度

其中，S表示S^T的子联盟，和γ(S)分别表示与S构建的随机森林RF模型预测所述特定目标患者的验证集T_val所获得的平均绝对误差；

按照以下公式，对相似患者的贡献度进行归一化，并确定该患者对所述特定目标患者帕金森病严重性预测的贡献百分比：

其中，exp(·)表示以自然底数e为底的指数函数，表示相似患者的贡献度的归一化值，表示相似患者对所述特定目标患者帕金森病严重性预测的贡献百分比。

4.根据权利要求1所述的一种基于实例迁移的帕金森病严重性预测方法，其特征在于，所述统计获取所述相似患者的集合中每个患者的单个实例数据的贡献度，包括：

按照以下公式，通过Shapley值计算中每个实例对所述特定目标患者帕金森病严重性预测的贡献度：

其中，表示第i个相似患者的第j个实例，n表示中实例的个数，表示实例对所述特定目标患者帕金森病严重性预测的贡献度大小。