CN109686441A - 一种大数据医疗数据特征提取和智能分析预测方法 - Google Patents

Abstract

由于医疗信息和病人的病史以自由文本格式保存在病历里，自然语言处理技术可以帮助医生从庞大的记录中萃取出关键信息，并将文本转化为可使用的知识，用深度学习、自然语言处理技术及大数据技术，帮助医疗数据进行结构化处理和挖掘。本发明公开了一种大数据医疗数据特征提取和智能分析预测方法，具体包括如下步骤：数据清洗，数据向量化，病例挖掘与特征挖掘，深度神经网络模型训练，病情诊疗和治愈率预测，分析和验证模型。

Description

一种大数据医疗数据特征提取和智能分析预测方法

技术领域

本发明属于计算机科学与医疗卫生的交叉领域，涉及一种针对医疗数据的特征提取与分析、病情诊断与治愈率预测方法。

背景技术

机器学习在生物制药、医疗诊断等诸多领域大放异彩，改变了传统的研究方法，提高了科研效率，促使众多行业发生变革。通过学习数据中隐藏的深层信息，挖掘内在关联，从而做出预测和判断，使得机器学习系统具备极其有效的洞察在医疗大数据时代，基于深度学习技术，医学专业教材、临床指南和经典病例等资料，让机器系统协助医生诊断疾病、预测治愈率、提出诊疗建议，将助力医院和医学科研机构创新和人工智能辅助诊疗的广泛应用，提升诊断准确度，帮助患者早发现、早治疗。护理人员介入与应用该系统，逐步形成系统化、成熟化的“智慧医院整体解决方案”，大幅削减医疗成本，同时提升医院的工作效率、质量以及患者满意度。

将数据分析、深度学习、数据挖掘等技术应用于真实世界的医疗数据，解决关键的医疗问题，例如疾病风险预测、相似患者分群、疾病发展及轨迹分析、治疗依从性及有效性分析等。建立基于机器学习的先进的算法模型，辅助临床医生提升诊疗效率、减少误诊，从而有助于解决医疗资源严重不均衡的社会现象。

由于医疗信息和病人的病史以自由文本格式保存在病历里，自然语言处理技术可以帮助医生从庞大的记录中萃取出关键信息，并将文本转化为可使用的知识，用深度学习、自然语言处理技术及大数据技术，帮助医疗数据进行结构化处理和挖掘。本发明结合已有的病历数据、基于深度学习挖掘病理特征和病因，实现自动的数据特征提取和智能分析预测。

发明内容

一种大数据医疗数据特征提取和智能分析预测方法，具体包括如下步骤：数据清洗，数据向量化，病例挖掘与特征挖掘，病情诊疗和治愈率预测，参数调优与更新。

本发明的提出一种大数据医疗数据特征提取和智能分析预测方法，能够通过数据挖掘与分析医疗数据中的特征，实现自动化的病情诊疗和治愈率预测。

本发明所提出的一种大数据医疗数据特征提取和智能分析预测方法具体包括如下步骤：

一种大数据医疗病情诊断和治愈率预测方法，其特征在于，包括：

步骤1，采集病历数据，并针对数据进行清洗，具体是进行电子化、格式化、归一化病历数据，去除无效、无关的数据，作为系统输入；

步骤2，将输入病历数据进行向量化，具体是将中文病历进行分词，作为系统输入的基本单元。

步骤3，挖掘步骤2输出的病历数据，并进行信息提取，具体是将病历数据都表示成向量之后，通过神经网络提取其中的内在特征和病理，

步骤4，获取病情诊断和治愈率预测结果。

步骤5，参数调优与更新，机器学习模块通过训练使预测值拟合于真实治愈率，计算预测值和真实值之间的误差(损失函数)，更新系统参数，不断降低损失，使结果不断趋向准确。

在上述的一种大数据医疗病情诊断和治愈率预测方法，步骤1的具体方法包括：对于不同量纲的数值统一量纲单位；使用归一化方法统一数值型数据的分布区间，方法为：

归一化后的数值＝(原数值-最小值)/(最大值-最小值)

在上述的一种大数据医疗病情诊断和治愈率预测方法，步骤2中进行向量化的具体步骤是：

步骤一，建立词语表，具体是遍历全部数据，得到全部的词语集合。

步骤二，将每个词语转换成向量，具体是：假设整个病历集的不重复的词语数为K，使用自然语言处理中的词嵌入方法将该K个元素各自映射至特定维度N的向量空间中，得到K×N的映射空间，此时词表元素表示为(K，N)维度的向量。例如可以通过词嵌入的方式将“医疗”表示为100维的向量[0.618 0.24911 -0.42242 0.1217 0.34527 -0.034457 …]。

在上述的一种大数据医疗病情诊断和治愈率预测方法，步骤3采用神经网络提取数据中的内在特征和病理，具体方法是：设置向量化后的文本数据为输入，通过神经网络(如卷积神经网络)为的神经元自动计算向量空间中的特征表示，输出为神经元学习后的特征向量。

在上述的一种大数据医疗病情诊断和治愈率预测方法，步骤4中，病情诊断的具体方法包括：

病情诊断可视为机器学习中的多种诊断目标分类任务，具体为将特征向量通过转换为每种可能病例类型的概率，方法为：

其中a_j是神经网络输出的特征向量，j表示类别索引，总的类型数量是T，S_j表示当前元素的指数与所有元素指数和的比值。

5.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤4中，治愈率预测的具体方法包括：

愈率预测设定为回归任务，治愈率预测步骤中，将特征向量转换为0-1的治愈率区间。具体为：在得到h之后可以通过一个sigmoid函数(不仅限该种函数)。

其中a是神经网络输出的特征向量，y为治愈率预测结果。

在上述的一种大数据医疗病情诊断和治愈率预测方法，步骤5中，损失函数使用回归拟合计算预测概率和真实值之间的差距；

对于病情诊断使用交叉熵；

对于治愈率采用均方误差：

其中在上述两个公式中，y_t为目标类别，预测类别，N表示输入数据的个数，t表示当前的数据序号。

因此，本发明具有如下优点：1.本发明基于神经网络架构，通过向量空间的计算，有利于挖掘语言文本下深层次的语义特征，有利于提取精细的数据特征，从而实现可靠的病情诊断和治愈率预测2.本发明基于大数据样本学习，将人工智能的数据融合、分析与判断能力与人类医生的诊疗经验相结合，提供辅助医疗的处理逻辑，预测治疗效果，提供诊疗建议，为医生诊疗提升效率。3.发明实施方面，本发明基于端到端的模式，数据输入后经过系统计算评估直接得到预测结果，无需额外的人工干预，具有轻量级、易部署的优点。

具体实施方式

下面通过实施例，对本发明的技术方案作进一步具体的说明。

实施例：

首先介绍一下本发明的方法原理。

第一步，数据清洗。电子化、格式化、归一化病历数据，去除无效、无关的数据，作为系统输入。

第二步，向量空间的数据表示。由于中文文本处理的基本单元是词，因此，需要将中文病历进行分词，作为系统输入的基本单元。建立词语表，将每个元素表示为向量。为了便于计算特征值，在向量化步骤中，假设整个病历集的不重复的词语数为K，使用自然语言处理中的词嵌入方法将该K个元素各自映射至特定维度N的向量空间中，得到K×N的映射空间，此时词表元素表示为(K，N)维度的向量。例如可以通过词嵌入的方式将“医疗”表示为100维的向量[0.618 0.24911 -0.42242 0.1217 0.34527 -0.034457 …]。

第三步，病例挖掘与信息提取。将病历数据都表示成向量之后，可以通过多种神经网络用于自动提取其中的内在特征和病理，例如卷积神经网络、递归神经网络等，本发明不限于某一种特定的网络。以常用的长短期记忆网络为例，

h_t＝o_t*tanh(C_t)

其中x_t是输入(即前面拼接的向量)的第t个向量，U是当前输入的权值矩阵，W是前一时刻的权值矩阵，b是偏置项，是基于当前输入和之前隐藏状态计算的状态值，U，W，b称为该神经网络的参数。i_t，f_t，o_t分别输入门、遗忘门和输出门，h代表网络输出。

第四步，通过以上计算最终可以得到病情诊断和治愈率预测结果。病情诊断可视为机器学习中的多种诊断目标分类任务，治愈率预测可视为回归任务。

为了便于表示，对于病情诊断，为将特征向量通过转换为每种可能病例类型的概率，方法为：

其中a_j是神经网络输出的特征向量，j表示类别索引，总的类型数量是T，S_j表示当前元素的指数与所有元素指数和的比值。

治愈率预测步骤中，网络输出仅需一维用于表示治愈率，即将治愈率Z输出为0-1表示治愈率区间，为了将结果表示到0-1的区间，在得到h之后可以通过一个sigmoid函数(不仅限该种函数)。

其中a是神经网络输出的特征向量，y为治愈率预测结果。

第四步，参数调优与更新，机器学习模块通过训练使预测值拟合于真实治愈率，计算预测值和真实值之间的误差(损失函数)，更新系统参数，不断降低损失，使结果不断趋向准确。

在步骤中，损失函数使用回归拟合计算预测概率和真实值之间的差距，例如对于病情诊断使用交叉熵；

对于治愈率采用均方误差：

其中在上述两个公式中，y_t为目标类别，预测类别，N表示输入数据的个数，t表示当前的数据序号。

下面是采用本发明涉及方法的具体案例。

本发明所阐述的大数据医疗数据特征提取和智能分析预测方法，将中文病历进行分词，建立一个包含M个词的元素表，假设数据集共有5万个词，每个词语对应200维的向量，因此向量映射表大小为50000×200的矩阵，其中的向量采用随机初始化的方式，每个向量值的随机范围为[-0.5,0.5]。

病例挖掘与信息提取模块采用长短期记忆网络，其中的主要参数可设置为：神经元个数(特征维度)为64，学习率为0.001。训练方式采用Adam优化算法。分别针对前文中描述的病情诊断和治愈率预测训练目标拟合后得到最优模型。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (7)

1.一种大数据医疗病情诊断和治愈率预测方法，其特征在于，包括：

步骤1，采集病历数据，并针对数据进行清洗，具体是进行电子化、格式化、归一化病历数据，去除无效、无关的数据，作为系统输入；

步骤2，将输入病历数据进行向量化，具体是将中文病历进行分词，作为系统输入的基本单元；

步骤3，挖掘步骤2输出的病历数据，并进行信息提取，具体是将病历数据都表示成向量之后，通过神经网络提取其中的内在特征和病理，

步骤4，获取病情诊断和治愈率预测结果；

步骤5，参数调优与更新，机器学习模块通过训练使预测值拟合于真实治愈率，计算预测值和真实值之间的误差(损失函数)，更新系统参数，不断降低损失，使结果不断趋向准确。

2.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤1的具体方法包括：对于不同量纲的数值统一量纲单位；使用归一化方法统一数值型数据的分布区间，方法为：

归一化后的数值＝(原数值-最小值)/(最大值-最小值)。

3.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤2中进行向量化的具体步骤是：

步骤一，建立词语表，具体是遍历全部数据，得到全部的词语集合；

步骤二，将每个词语转换成向量，具体是：假设整个病历集的不重复的词语数为K，使用自然语言处理中的词嵌入方法将该K个元素各自映射至特定维度N的向量空间中，得到K×N的映射空间，此时词表元素表示为(K，N)维度的向量；例如可以通过词嵌入的方式将“医疗”表示为100维的向量[0.618 0.24911-0.42242 0.1217 0.34527-0.034457…]。

4.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤3采用神经网络提取数据中的内在特征和病理，具体方法是：设置向量化后的文本数据为输入，通过神经网络(如卷积神经网络)为的神经元自动计算向量空间中的特征表示，输出为神经元学习后的特征向量。

5.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤4中，病情诊断的具体方法包括：

病情诊断可视为机器学习中的多种诊断目标分类任务，具体为将特征向量通过转换为每种可能病例类型的概率，方法为：

其中a_j是神经网络输出的特征向量，j表示类别索引，总的类型数量是T，S_j表示当前元素的指数与所有元素指数和的比值。

6.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤4中，治愈率预测的具体方法包括：

愈率预测设定为回归任务，治愈率预测步骤中，将特征向量转换为0-1的治愈率区间；具体为：在得到h之后可以通过一个sigmoid函数(不仅限该种函数)；

其中a是神经网络输出的特征向量，y为治愈率预测结果。

7.根据权利要求1所述的一种大数据医疗病情诊断和治愈率预测方法，其特征在于，步骤5中，损失函数使用回归拟合计算预测概率和真实值之间的差距；

对于病情诊断使用交叉熵；

对于治愈率采用均方误差：

其中在上述两个公式中，y_t为目标类别，预测类别，N表示输入数据的个数，t表示当前的数据序号。