基于多標(biāo)簽?zāi)Ｐ偷呐两鹕∽C型的輔助預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種針對(duì)帕金森病證型的建模及預(yù)測(cè)方法，該方法解決了多標(biāo)簽分類算法在類別稀疏和不均衡的情況下預(yù)測(cè)不準(zhǔn)確的問題。
【背景技術(shù)】
[0002]數(shù)據(jù)挖掘主要是指從巨量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。隨著數(shù)據(jù)挖掘的發(fā)展，如今數(shù)據(jù)挖掘技術(shù)已經(jīng)廣泛的應(yīng)用于各個(gè)行業(yè)當(dāng)中。
[0003]本發(fā)明的主要目標(biāo)就是將數(shù)據(jù)挖掘技術(shù)應(yīng)用于帕金森病中醫(yī)診斷中，通過數(shù)據(jù)挖掘技術(shù)的引入，以規(guī)范帕金森病中醫(yī)診斷的過程，使其診斷過程可以盡可能的客觀可靠，從而達(dá)到應(yīng)用于實(shí)踐中輔助醫(yī)生進(jìn)行臨床診療，更好的服務(wù)患者的目的。
[0004]中醫(yī)將帕金森病分為五種證型，每個(gè)患者可能伴有一種或兩種證型，并且有主證和次證之分。隨之伴隨的問題是，傳統(tǒng)的多標(biāo)簽分類算法只能預(yù)測(cè)證型，無法區(qū)分主、次證。但是，若將主、次證分開預(yù)測(cè)又會(huì)造成訓(xùn)練數(shù)據(jù)的類別不均衡和割斷了主、次證的關(guān)聯(lián)性，會(huì)嚴(yán)重影響預(yù)測(cè)的效果。基于信息熵的多標(biāo)簽分類方法即可以區(qū)分主、次證，又能夠很好的克服主、次證分離后類別不均衡的問題，保證了預(yù)測(cè)的準(zhǔn)確性。
【發(fā)明內(nèi)容】
[0005]本發(fā)明目的是，解決的這樣的問題，當(dāng)帕金森病主、次證分離時(shí)造成的類別不均衡的問題，主要關(guān)注的是既能輔助識(shí)別主、次證，又要能夠保證提高預(yù)測(cè)的準(zhǔn)確性。
[0006]本發(fā)明的技術(shù)方案是:基于多標(biāo)簽?zāi)Ｐ偷呐两鹕∽C型的輔助預(yù)測(cè)方法，包括三個(gè)模塊:預(yù)測(cè)模型的構(gòu)建、均衡性評(píng)估和挖掘預(yù)測(cè)階段處理模塊；
[0007]I)預(yù)測(cè)模型的構(gòu)建模塊的流程:
[0008]a.選定一個(gè)主證；
[0009]b.選取K個(gè)次證；
[0010]c.將主證和K個(gè)次證組成新的證型集；
[0011 ] d.評(píng)估該證型集的均衡性；
[0012]e.若均衡性滿足條件，則確定了主證與次證的關(guān)聯(lián)性，否則返回b ;
[0013]f.將證型集作為訓(xùn)練數(shù)據(jù)構(gòu)建一個(gè)多標(biāo)簽?zāi)Ｐ停?br>[0014]g.結(jié)束。
[0015]2)均衡性評(píng)估
[0016]a.將l)-c得到的證型集進(jìn)行組合；
[0017]b.統(tǒng)計(jì)證型組合的數(shù)量和出現(xiàn)的頻率；
[0018]c.根據(jù)信息熵公式，計(jì)算該證型集的熵值；
[0019]d.結(jié)束。
[0020]3)預(yù)測(cè)階段
[0021]a.將給定的待預(yù)測(cè)數(shù)據(jù)傳給l)_f得到模型進(jìn)行分類；
[0022]b.將所有模型的分類結(jié)果進(jìn)行投票，得到最終預(yù)測(cè)結(jié)果。
[0023]c.結(jié)束。
[0024]本發(fā)明l)-a中，因?yàn)樗凶C型都有可能成為主證，因此采用逐個(gè)遍歷證型的方法。
[0025]本發(fā)明I) _b，c，d中，選取K個(gè)次證，K首先取0，也就是將主證單獨(dú)作為一個(gè)證型集，若不滿足均衡條件，將K逐漸遞增，取0，1，2，3..?此外，當(dāng)K值變大時(shí)，次證的選取組合就會(huì)變多。為了取得全局最優(yōu)的組合，可以遍歷所可能性，取均衡性最優(yōu)的組合，但這個(gè)方案的執(zhí)行效率低。也可以隨機(jī)的抽取一些組合提高效率，但是得到的是局部最優(yōu)的組合。這兩種選取方案各有利弊，可根據(jù)需求選取。
[0026]本發(fā)明l)-e中，一旦確認(rèn)了證型集，就可確立主證與次證的關(guān)聯(lián)性。
[0027]本發(fā)明I)_f中，采用Label Powerset多標(biāo)簽分類算法構(gòu)建模型。一個(gè)證型集對(duì)應(yīng)訓(xùn)練一個(gè)模型。
[0028]本發(fā)明2)_a中，原數(shù)據(jù)中使用01標(biāo)注患者是否診斷有該證型，采用二進(jìn)制編碼的方式對(duì)證型集進(jìn)行組合。
[0029]本發(fā)明2)_b中，統(tǒng)計(jì)出證型組合的數(shù)量和每種組合出現(xiàn)的頻率。
[0030]本發(fā)明2)-C中，信息j:商的公式為-Spi1g2(Pi)。為了方便K取不同值時(shí)，比較不同證型集之間的摘值，歸一化摘值:_ Spi1g2 (Pi)/1g2 (C)。Pi某種組合出現(xiàn)的頻率.
[0031]本發(fā)明3)-a中，將待預(yù)測(cè)的數(shù)據(jù)分別傳給l)_f中構(gòu)建的模型，每個(gè)模型都將得到一個(gè)預(yù)測(cè)結(jié)果。
[0032]本發(fā)明3)_b中，根據(jù)中醫(yī)治療帕金森病的經(jīng)驗(yàn)，患者患證的可能性有兩種:只患有一種證型，或者患有一個(gè)主證和一個(gè)次證。由預(yù)測(cè)模型的建立階段可知，每個(gè)模型都是由一個(gè)主證和K個(gè)次證組成的數(shù)據(jù)集訓(xùn)練獲得，因此每個(gè)模型的預(yù)測(cè)結(jié)果都將是一個(gè)主證和若干次證出現(xiàn)的概率。本發(fā)明首先將根據(jù)所有模型預(yù)測(cè)出來的主證的概率進(jìn)行排序，將概率最高的主證作為最終的預(yù)測(cè)結(jié)果。次證是由主證所在的模型決定的，所有次證中出現(xiàn)概率最高的為最終預(yù)測(cè)結(jié)果。以上主證和次證出現(xiàn)的概率均以50%為閾值，低于50%的無效。當(dāng)主證模型中無有效的次證，則該主證為最終預(yù)測(cè)結(jié)果。當(dāng)所有主證出現(xiàn)的概率低于50%時(shí)，則選取概率最高的次證作為最終預(yù)測(cè)結(jié)果。
[0033]本發(fā)明的有益效果是，當(dāng)帕金森病主、次證分離時(shí)造成的類別不均衡的問題，本發(fā)明方法既能輔助識(shí)別主、次證，又要能夠保證提高預(yù)測(cè)的準(zhǔn)確性。
【附圖說明】
[0034]圖1是本發(fā)明用于預(yù)測(cè)模型的構(gòu)建的方法流程圖。
[0035]圖2是本發(fā)明用于輔助預(yù)測(cè)帕金森證型的方法流程圖。
【具體實(shí)施方式】
[0036]為了更了解本發(fā)明的技術(shù)內(nèi)容，特舉具體實(shí)施例并配合所附圖示說明如下。
[0037]圖1是本發(fā)明構(gòu)建預(yù)測(cè)模型的流程圖。主要分為兩個(gè)模塊:預(yù)測(cè)模型構(gòu)建和均衡性評(píng)估。
[0038]每個(gè)證型都可能成為主證或者次證，為了識(shí)別主次之分，在組織訓(xùn)練數(shù)據(jù)時(shí)必須將主次分離。原始數(shù)據(jù)的證型表達(dá)為(證型1，證型2，證型3，證型4，證型5) = (1，0，2，0，O)，該數(shù)據(jù)說明證型I為主證，證型3為次證。主次分離后得到(證型1-主，證型2-主，證型3-主，證型4-主，證型5-主，證型1-次，證型2-次，證型3-次，證型4-次，證型5-次)=(1，0，0，0，0，0，0，1，0，0)，這就造成了訓(xùn)練數(shù)據(jù)的類別稀疏，若直接交給多標(biāo)簽算法構(gòu)建模型得到的結(jié)果將非常不理想。
[0039]本發(fā)明初始認(rèn)為當(dāng)主次數(shù)據(jù)分離時(shí)，每個(gè)主證都是不均衡的，因此步驟(I)選定一個(gè)主證的方法就是逐個(gè)遍歷所有的主證。
[0040]步驟(2)實(shí)際上是構(gòu)建均衡的證型集，其中包含一個(gè)主證和K個(gè)次證，如(證型
1-主，證型3-次，證型4-次)構(gòu)成一個(gè)均衡集。K的取值范圍為0，1，2，…，n-l(n是證型的數(shù)目)，初始時(shí)K = 0，也就是證型集中只有主證一個(gè)證型。構(gòu)建均衡的證型集有兩種方法，I)將所有可能的證型集計(jì)算出來，然后去均衡性最優(yōu)的，也就是熵值最高的集合；2)K從0，I, 2，…，η-1逐個(gè)取值，發(fā)現(xiàn)證型集的熵值達(dá)