CN115346660A - 基于马尔可夫毯模型的脊柱疾病辅助诊断方法 - Google Patents

基于马尔可夫毯模型的脊柱疾病辅助诊断方法 Download PDF

Info

Publication number
CN115346660A
CN115346660A CN202210987388.3A CN202210987388A CN115346660A CN 115346660 A CN115346660 A CN 115346660A CN 202210987388 A CN202210987388 A CN 202210987388A CN 115346660 A CN115346660 A CN 115346660A
Authority
CN
China
Prior art keywords
disease
spinal
spine
risk factor
factor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210987388.3A
Other languages
English (en)
Other versions
CN115346660B (zh
Inventor
赵洁
吕婉莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202210987388.3A priority Critical patent/CN115346660B/zh
Publication of CN115346660A publication Critical patent/CN115346660A/zh
Application granted granted Critical
Publication of CN115346660B publication Critical patent/CN115346660B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请提供基于马尔可夫毯模型的脊柱疾病辅助诊断方法。所述方法包括：获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表；根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度；通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素；综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素。本申请能够辅助医师有针对性地进行脊柱疾病诊断，提高诊断脊柱疾病的效率和准确率，为患者提供最有效的治疗。

Description

基于马尔可夫毯模型的脊柱疾病辅助诊断方法
技术领域
本申请涉及脊柱疾病辅助诊断技术领域，具体涉及一种基于马尔可夫毯模型的脊柱疾病辅助诊断方法。
背景技术
脊柱相关疾病是现代社会中的多发病、常见病，脊柱疾病患病率高且后果严重，腰背痛最为常见，已成为老年人和上班族的难题。脊柱疾病的临床检查辅助手段有待提高，医生通常建议针对不同类型的疾病进行不同的检查，但引起脊柱相关疾病的风险因素是多方面的，如身体特征、社会经济地位、一般医疗健康和心理状态以及职业环境因素都会导致脊柱疾病的风险。而且可能影响脊柱疾病的危险因素包括高低肩、腰线不对称、脊柱歪斜、两侧肩胛骨高低不等、盆腔发病率、骨盆倾斜度、腰椎前凸弧度、腰椎滑脱分级等，多项目检查会产生一定的额外费用和时间，同时临床诊断需要经验丰富的医师，对脊柱疾病的临床诊断带来挑战。
发明内容
本申请实施例提供一种基于马尔可夫毯模型的脊柱疾病辅助诊断方法，用以解决现有脊柱疾病的临床检查辅助手段有待提高的技术问题。
第一方面，本申请实施例提供一种基于马尔可夫毯模型的脊柱疾病辅助诊断方法，包括：
获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表；
根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，得到因素类型相关值；
根据脊柱疾病辅助诊断数据表，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，得到因素间相似度；
通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素；
综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，以供辅助诊断脊柱疾病。
在一个实施例中，所述计算脊柱疾病危险因素与脊柱疾病类型的相关值，具体为：
通过相关值计算式计算脊柱疾病危险因素与脊柱疾病类型的相关值；
其中，所述相关值计算式包括：
Figure BDA0003802347000000021
Figure BDA0003802347000000022
IG(An|Dm)＝H(An)-H(An|Dm) (3)，
Figure BDA0003802347000000023
式中，所述An表示脊柱疾病危险因素，所述ai表示脊柱疾病危险因素对应的脊柱疾病就医患者诊断记录信息值，所述Dm表示脊柱疾病类型，所述dj表示脊柱疾病类型对应的脊柱疾病就医患者诊断记录信息值，所述H(An)表示脊柱疾病危险因素An的信息熵，所述P(ai)表示脊柱疾病危险因素An中ai值的概率，所述H(An|Dm)表示脊柱疾病危险因素An在脊柱疾病类型Dm下的条件信息熵，所述P(dj)表示脊柱疾病类型Dm中dj值的概率，所述P(ai|dj)表示在脊柱疾病类型Dm的dj值下脊柱疾病危险因素An中ai值的条件概率，所述IG(An|Dm)表示脊柱疾病危险因素An在脊柱疾病类型Dm下的信息增益，所述SU(An，Dm)表示脊柱疾病危险因素An与脊柱疾病类型Dm的相关值。
在一个实施例中，所述计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，具体为：
通过相似度计算式计算脊柱疾病类型的脊柱疾病危险因素之间的相似度；
其中，所述相似度计算式包括：
Figure BDA0003802347000000031
Figure BDA0003802347000000032
IG(An|Ak)＝H(An)-H(An|Ak) (7)，
Figure BDA0003802347000000033
式中，所述An表示一个脊柱疾病危险因素，所述Ak表示另一个脊柱疾病危险因素，所述ai表示脊柱疾病危险因素An对应的脊柱疾病就医患者诊断记录信息值，所述at表示脊柱疾病危险因素Ak对应的脊柱疾病就医患者诊断记录信息值，所述P(ai)表示脊柱疾病危险因素An中ai值的概率，所述P(at)表示脊柱疾病危险因素Ak中at值的概率，所述P(ai|at)表示脊柱疾病危险因素Ak中at值下脊柱疾病危险因素An中ai值的条件概率，所述H(An)表示脊柱疾病危险因素An的信息熵，所述H(Ak)表示脊柱疾病危险因素Ak的信息熵，所述H(An|Ak)表示脊柱疾病危险因素An在脊柱疾病危险因素Ak下的条件信息熵，所述IG(An|Ak)表示脊柱疾病危险因素An在脊柱疾病危险因素Ak下的信息增益，所述SU(An，Ak)表示脊柱疾病危险因素An和脊柱疾病危险因素Ak之间的相似度。
在一个实施例中，所述通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索法，得到脊柱疾病类型的脊柱疾病关键危险因素，包括：
根据所述因素类型相关值，在脊柱疾病类型的脊柱疾病危险因素中去除不相关脊柱疾病危险因素，得到脊柱疾病类型的相关脊柱疾病危险因素；
通过马尔可夫毯模型，判定脊柱疾病类型的相关脊柱疾病危险因素的因素类型相关值和因素间相似度符合马尔可夫毯条件，得到脊柱疾病类型的初始脊柱疾病关键危险因素特征子集和相似脊柱疾病关键危险因素特征子集；
结合序列前向搜索法，对初始脊柱疾病关键危险因素特征子集的初始脊柱疾病关键危险因素进行评价，得到脊柱疾病类型的最终脊柱疾病关键危险因素特征集。
在一个实施例中，所述马尔可夫毯条件具体为：第一脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值大于或等于第二脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值，且第一脊柱疾病危险因素与第二脊柱疾病危险因素的相似度大于或等于第二脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值。
在一个实施例中，所述结合序列前向搜索法，对初始脊柱疾病关键危险因素特征子集的初始脊柱疾病关键危险因素进行评价，得到脊柱疾病类型的最终脊柱疾病关键危险因素特征集，包括：
在初始脊柱疾病关键危险因素特征子集中，得到作为保留因素的保留最终脊柱疾病关键危险因素特征子集和作为候选因素的候选最终脊柱疾病关键危险因素特征子集；
通过评价式得到保留最终脊柱疾病关键危险因素特征子集的第一评价值和候选最终脊柱疾病关键危险因素特征子集的第二评价值；
根据第一评价值与第二评价值的比较结果，得到最终脊柱疾病关键危险因素特征集；
其中，评价式包括：
Figure BDA0003802347000000051
Figure BDA0003802347000000052
Figure BDA0003802347000000053
式中，所述Sm’表示初始脊柱疾病关键危险因素特征子集，所述Dm表示脊柱疾病类型，所述An表示一个初始脊柱疾病关键危险因素，所述Ak表示另一个初始脊柱疾病关键危险因素，所述SU(An，Ak)表示初始脊柱疾病关键危险因素特征子集内的初始脊柱疾病关键危险因素An和初始脊柱疾病关键危险因素Ak之间的相似度，所述
Figure BDA0003802347000000054
表示初始脊柱疾病关键危险因素特征子集内两两初始脊柱疾病关键危险因素之间的相似度的均值，所述SU(An，Dm)表示初始脊柱疾病关键危险因素An与脊柱疾病类型Dm的相关度，所述
Figure BDA0003802347000000055
表示初始脊柱疾病关键危险因素与脊柱疾病类型的相关度的均值，所述z表示初始脊柱疾病关键危险因素特征子集内初始脊柱疾病关键危险因素的个数，所述J(Sm’)表示初始脊柱疾病关键危险因素特征子集的评价值。
在一个实施例中，所述综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，具体为：
取不同脊柱疾病类型的脊柱疾病关键危险因素的并集，得到脊柱疾病辅助诊断因素特征集。
第二方面，本申请实施例提供一种基于马尔可夫毯模型的脊柱疾病辅助诊断装置，包括：
脊柱疾病辅助诊断数据表构建模块，用于：获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表；
因素类型相关值得到模块，用于：根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，得到因素类型相关值；
因素间相似度得到模块，用于：根据脊柱疾病辅助诊断数据表，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，得到因素间相似度；
脊柱疾病关键危险因素得到模块，用于：通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素；
脊柱疾病辅助诊断因素得到模块，用于：综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，以供辅助诊断脊柱疾病。
第三方面，本申请实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法。
第四方面，本申请实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法。
本申请实施例提供的基于马尔可夫毯模型的脊柱疾病辅助诊断方法，先得到脊柱疾病危险因素与脊柱疾病类型的相关性，筛除与脊柱疾病类型不相关的脊柱疾病危险因素，以及得到脊柱疾病类型的脊柱疾病危险因素之间的相似度，找到能够相互替换的脊柱疾病危险因素，然后通过马尔可夫毯模型判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索法，识别出脊柱疾病类型的脊柱疾病关键危险因素，再综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，能够辅助医师有针对性地进行脊柱疾病诊断，提高诊断脊柱疾病的效率和准确率，有利于快速为患者提供最有效的治疗。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的基于马尔可夫毯模型的脊柱疾病辅助诊断方法的流程示意图之一；
图2是本申请实施例提供的基于马尔可夫毯模型的脊柱疾病辅助诊断装置的结构示意图；
图3是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为基于马尔可夫毯模型的脊柱疾病辅助诊断方法的流程示意图。参照图1，本申请实施例提供的一种基于马尔可夫毯模型的脊柱疾病辅助诊断方法，可以包括：
S110、获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表；
S120、根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，得到因素类型相关值；
S130、根据脊柱疾病辅助诊断数据表，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，得到因素间相似度；
S140、通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素；
S150、综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，以供辅助诊断脊柱疾病。
需要说明的是，本申请实施例提供的一种基于马尔可夫毯模型的脊柱疾病辅助诊断方法的执行主体可以是任何终端侧设备，例如脊柱疾病辅助诊断系统等。
在步骤S110中，终端侧设备会获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表。
需要说明的是，终端侧设备获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，可以构建二维的脊柱疾病辅助诊断数据表T＝(U，A∪D)，其中U表示脊柱疾病就医患者诊断记录数据，U＝{p1,p2,…,pt}，是具有t个脊柱疾病就医患者诊断记录p的离散集，A表示脊柱疾病危险因素，A＝{A1,A2,…,An}，n表示脊柱疾病危险因素的数量，D表示脊柱疾病类型，D＝{D1,D2,…,Dm}，m表示脊柱疾病类型的数量。
进一步的，脊柱疾病危险因素可以包括以下任一项或其任意组合：患者高低肩、腰线不对称、脊柱歪斜、两侧肩胛骨高低不等、盆腔发病率、骨盆倾斜度、腰椎前凸弧度、腰椎滑脱分级。脊柱疾病类型可以包括以下任一项或其任意组合：椎间盘突出、脊椎滑脱、强制性脊柱炎。
基于脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表，能够为后续计算脊柱疾病危险因素与特定的脊柱疾病类型的相关性、计算特定脊柱疾病类型下的脊柱疾病危险因素之间的相似度等步骤，提供比较规整且有效的数据，以提高最终得到的脊柱疾病辅助诊断因素的精度。
在步骤S120中，终端侧设备会根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，得到因素类型相关值。
需要说明的是，每个脊柱疾病类型的脊柱疾病所需要重点考量的脊柱疾病危险因素可能有所不同，计算出脊柱疾病危险因素与各脊柱疾病类型的相关性，能够有效为每个脊柱疾病类型筛出与其更具有相关性的脊柱疾病危险因素，滤除相关性一般或不具有相关性的脊柱疾病危险因素，避免在诊断脊柱疾病时花费无效的检查成本。
在一种实施例中，步骤S120可以是：
通过相关值计算式计算脊柱疾病危险因素与脊柱疾病类型的相关值；
其中，所述相关值计算式包括：
Figure BDA0003802347000000091
Figure BDA0003802347000000092
IG(An|Dm)＝H(An)-H(An|Dm) (3)，
Figure BDA0003802347000000093
式中，所述An表示脊柱疾病危险因素，所述ai表示脊柱疾病危险因素对应的脊柱疾病就医患者诊断记录信息值，所述Dm表示脊柱疾病类型，所述dj表示脊柱疾病类型对应的脊柱疾病就医患者诊断记录信息值，所述H(An)表示脊柱疾病危险因素An的信息熵，所述P(ai)表示脊柱疾病危险因素An中ai值的概率，所述H(An|Dm)表示脊柱疾病危险因素An在脊柱疾病类型Dm下的条件信息熵，所述P(dj)表示脊柱疾病类型Dm中dj值的概率，所述P(ai|dj)表示在脊柱疾病类型Dm的dj值下脊柱疾病危险因素An中ai值的条件概率，所述IG(An|Dm)表示脊柱疾病危险因素An在脊柱疾病类型Dm下的信息增益，所述SU(An，Dm)表示脊柱疾病危险因素An与脊柱疾病类型Dm的相关值。
需要说明的是，信息值ai、dj、at等可以用现有的任何一种用于获取特征对应的信息值的方法来得到，在本文中不对其进行限制。例如，若脊柱疾病危险因素中的骨盆倾斜程度A1检测结果可分为1、2、3级，则设A1下a1＝1，a2＝2，a3＝3，ai可以取脊柱疾病危险因素对应的脊柱疾病就医患者诊断记录信息值；若Dm为脊椎滑脱，则设在该脊柱疾病类型下，d1＝脊椎滑脱＝K，d2＝其余诊断结果＝0，dj可以取脊柱疾病类型对应的脊柱疾病就医患者诊断记录信息值；如上述假设，A1中的P(a1)为所有患者骨盆倾斜程度检测结果中，患者骨盆倾斜程度是1级的概率，P(d1)为所有患者脊柱疾病诊断记录中，诊断结果是脊柱滑脱的概率，A1中P(a1|d1)为诊断结果是脊柱滑脱的患者，其骨盆倾斜程度是1级的概率；若脊柱疾病危险因素中的高低肩A2检测结果可分为是或否两类，则设A2中a1＝1，a2＝0，有P(a11|a21)为在是高低肩患者的条件下，其骨盆倾斜程度是1级的概率。
对于特定的脊柱疾病类型Dm，保留其对应脊柱疾病就医患者诊断记录信息值dm，其余脊柱疾病诊断信息视为另一类疾病诊断信息，形成新的疾病诊断结果Dm’，根据式(1)—(4)，得到特定的脊柱疾病类型与其潜在的脊柱疾病危险因素的相关性，从而量化不同脊柱疾病类型D下与其脊柱疾病危险因素的相关值SU(An,Dm)。当相关值小于预设阈值时，该脊柱疾病危险因素可视为与该脊柱疾病类型不相关，该脊柱疾病危险因素在诊断该类型脊柱疾病时可以先不作考虑。
在步骤S130中，终端侧设备会根据脊柱疾病辅助诊断数据表，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，得到因素间相似度。
需要说明的是，当为每个脊柱疾病类型的脊柱疾病筛出对应的具有相关性的脊柱疾病危险因素后，通过计算同一脊柱疾病类型下的脊柱疾病危险因素之间的相似度，能够将同一脊柱疾病类型下的脊柱疾病危险因素分成两个组别，一个是主要用于诊断的脊柱疾病危险因素的组别，另一个是可以用于替换主要组别中的脊柱疾病危险因素的候选组别，当医师在进行脊柱疾病诊断时发现有个别脊柱疾病危险因素所对应的数据存在缺失的话，可以及时用另一个与该缺失的脊柱疾病危险因素相似的脊柱疾病危险因素进行替换。同时，也避免对相似度高的脊柱疾病危险因素进行重复的诊断检查，有利于提高诊断效率和节约诊断成本。
终端侧设备可以通过两种信息度量的方法，分别计算每个脊柱疾病类型对应的脊柱疾病危险因素之间的相似度。第一种，对于特定的脊柱疾病类型Dm，脊柱疾病危险因素A＝{A1,A2,…,An}，保留诊断为特定的脊柱疾病类型Dm对应的脊柱疾病就医患者诊断记录数据和与其对应相同的信息值，如Aim＝{ai2,ai4,ai6,…}，例如，其中ai2表示脊柱疾病就医患者诊断记录2的信息值，脊柱疾病就医患者诊断记录2的脊柱疾病类型为Dm；同时，若Aim集合外的其他脊柱疾病就医患者诊断记录r的信息值与Aim中记录在Ai上的信息值相同，保留脊柱疾病就医患者诊断记录r在Ai上的信息值；其余脊柱疾病就医患者诊断记录数据的信息值视为同一类信息，对于每一个脊柱疾病类型Dm形成新的脊柱疾病辅助诊断数据表Tm＝(U,A∪Dm)，通过式(5)-(8)，从而计算脊柱疾病类型Dm的脊柱疾病危险因素间的相似度SU(Ai,Aj)；第二种，对于特定的脊柱疾病类型Dm，当前脊柱疾病危险因素Ai的信息记录保持不变，计算Ai与其他脊柱疾病危险因素Aj的相似性，通过保留诊断为特定的脊柱疾病类型Dm下Aj对应的患者记录信息值和与对应相同的信息值，如Ajm＝{aj1,aj3,aj5,…}，例如，其中aj1表示脊柱疾病就医患者诊断记录1的信息值，脊柱疾病就医患者诊断记录1的脊柱疾病类型为Dm；同时，若Ajm集合外的其他脊柱疾病就医患者诊断记录r的信息值与Aj中记录在Aj上的信息值相同，保留脊柱疾病就医患者诊断记录r在Aj上的信息值；其余脊柱疾病就医患者诊断记录数据的信息值视为同一类信息，通过式(5)-(8)，计算脊柱疾病类型Dm的脊柱疾病危险因素间的相似度SU(Ai,Aj)。
在一种实施例中，步骤S130可以是：
通过相似度计算式计算脊柱疾病类型的脊柱疾病危险因素之间的相似度；
其中，所述相似度计算式包括：
Figure BDA0003802347000000121
Figure BDA0003802347000000122
IG(An|Ak)＝H(An)-H(An|Ak) (7)，
Figure BDA0003802347000000123
式中，所述An表示一个脊柱疾病危险因素，所述Ak表示另一个脊柱疾病危险因素，所述ai表示脊柱疾病危险因素An对应的脊柱疾病就医患者诊断记录信息值，所述at表示脊柱疾病危险因素Ak对应的脊柱疾病就医患者诊断记录信息值，所述P(ai)表示脊柱疾病危险因素An中ai值的概率，所述P(at)表示脊柱疾病危险因素Ak中at值的概率，所述P(ai|at)表示脊柱疾病危险因素Ak中at值下脊柱疾病危险因素An中ai值的条件概率，所述H(An)表示脊柱疾病危险因素An的信息熵，所述H(Ak)表示脊柱疾病危险因素Ak的信息熵，所述H(An|Ak)表示脊柱疾病危险因素An在脊柱疾病危险因素Ak下的条件信息熵，所述IG(An|Ak)表示脊柱疾病危险因素An在脊柱疾病危险因素Ak下的信息增益，所述SU(An，Ak)表示脊柱疾病危险因素An和脊柱疾病危险因素Ak之间的相似度。
通过计算每个脊柱疾病类型的脊柱疾病危险因素之间的相似度，能够对每个脊柱疾病类型下的脊柱疾病危险因素进行有效处理。
在步骤S140中，终端侧设备会通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素。
需要说明的是，结合马尔可夫毯条件判断和序列前向搜索方法，能够精准地得到脊柱疾病类型的脊柱疾病关键危险因素，利于提高脊柱疾病辅助诊断质量。
在一种实施例中，步骤S140可以包括：
根据所述因素类型相关值，在脊柱疾病类型的脊柱疾病危险因素中去除不相关脊柱疾病危险因素，得到脊柱疾病类型的相关脊柱疾病危险因素；
通过马尔可夫毯模型，判定脊柱疾病类型的相关脊柱疾病危险因素的因素类型相关值和因素间相似度符合马尔可夫毯条件，得到脊柱疾病类型的初始脊柱疾病关键危险因素特征子集和相似脊柱疾病关键危险因素特征子集；
结合前向序列搜索法，对初始脊柱疾病关键危险因素特征子集的初始脊柱疾病关键危险因素进行评价，得到脊柱疾病类型的最终脊柱疾病关键危险因素特征集。
需要说明的是，所述马尔可夫毯条件具体为：第一脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值SU(An,Dm)大于或等于第二脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值SU(Ak,Dm)，且第一脊柱疾病危险因素与第二脊柱疾病危险因素的相似度SU(An,Ak)大于或等于第二脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值SU(Ak,Dm)，即SU(An,Dm)≥SU(Ak,Dm)且SU(An,Ak)≥SU(Ak,Dm)。
在一种实施例中，所述结合前向序列搜索法，对初始脊柱疾病关键危险因素特征子集的初始脊柱疾病关键危险因素进行评价，得到脊柱疾病类型的最终脊柱疾病关键危险因素特征集，可以包括：
在初始脊柱疾病关键危险因素特征子集中，得到作为保留因素的保留最终脊柱疾病关键危险因素特征子集和作为候选因素的候选最终脊柱疾病关键危险因素特征子集；
通过评价式得到保留最终脊柱疾病关键危险因素特征子集的第一评价值和候选最终脊柱疾病关键危险因素特征子集的第二评价值；
根据第一评价值与第二评价值的比较结果，得到最终脊柱疾病关键危险因素特征集；
其中，评价式包括：
Figure BDA0003802347000000141
Figure BDA0003802347000000142
Figure BDA0003802347000000143
式中，所述Sm’表示初始脊柱疾病关键危险因素特征子集，所述Dm表示脊柱疾病类型，所述An表示一个初始脊柱疾病关键危险因素，所述Ak表示另一个初始脊柱疾病关键危险因素，所述SU(An，Ak)表示初始脊柱疾病关键危险因素特征子集内的初始脊柱疾病关键危险因素An和初始脊柱疾病关键危险因素Ak之间的相似度，所述
Figure BDA0003802347000000144
表示初始脊柱疾病关键危险因素特征子集内两两初始脊柱疾病关键危险因素之间的相似度的均值，所述SU(An，Dm)表示初始脊柱疾病关键危险因素An与脊柱疾病类型Dm的相关度，所述
Figure BDA0003802347000000145
表示初始脊柱疾病关键危险因素与脊柱疾病类型的相关度的均值，所述z表示初始脊柱疾病关键危险因素特征子集内初始脊柱疾病关键危险因素的个数，所述J(Sm’)表示初始脊柱疾病关键危险因素特征子集的评价值。
终端侧设备可以对于脊柱疾病类型Dm的每一个脊柱疾病危险因素，去除其中SU(An，Dm)小于预设阈值、即与该脊柱疾病类型不相关的脊柱疾病危险因素，然后对于剩余的脊柱疾病危险因素，按照SU(An,Dm)数值进行降序排序，形成脊柱疾病关键危险因素候选序列Lm，保证保留的脊柱疾病危险因素为与特定的脊柱疾病类型有关的脊柱疾病危险因素。
然后终端侧设备可以对脊柱疾病关键危险因素候选序列Lm进行选择，选取队列Lm中的第一个脊柱疾病危险因素An作为保留因素的初始脊柱疾病关键危险因素，依次判断队列Lm中其余候选脊柱疾病关键危险因素是否冗余，当脊柱疾病危险因素An与脊柱疾病危险因素Ak的关系满足马尔可夫毯条件，即SU(An,Dm)≥SU(Ak,Dm)且SU(An,Ak)≥SU(Ak,Dm)，则Ak为An的冗余因素特征，An为保留初始脊柱疾病关键危险因素，将脊柱疾病关键危险因素Ak划分进以An为中心的相似脊柱疾病关键危险因素特征子集Gmn内；按照序列Lm中候选脊柱疾病关键危险因素的排序顺序，对下一个危险因素重复上述步骤，得到初始脊柱疾病关键危险因素特征子集，对相似的脊柱疾病关键危险因素进行分组，得到每个脊柱疾病类型的初始脊柱疾病关键危险因素特征子集Sm’和相似脊柱疾病关键危险因素特征子集Gmn。
终端侧设备可以对得到的初始脊柱疾病关键危险因素特征子集Sm’，再次进行冗余脊柱疾病危险因素的消除。首先，选取Sm’中首个脊柱疾病关键危险因素An(f1)作为保留最终脊柱疾病关键危险因素特征集Sm的保留因素；然后依次取Sm’集合中的初始脊柱疾病关键危险因素Ak(fj)与当前的保留最终脊柱疾病关键危险因素特征集Sm形成候选最终脊柱疾病关键危险因素特征集E，即E＝Sm+fj，通过式(9)—(11)依次得到评价值J(E)，保留使评价值J(E)最大的特征集E，比较J(E)和J(Sm)，若J(E)≥J(Sm)，则E为当前最优的脊柱疾病关键危险因素特征集Sm，在Sm’中删除Sm中特征，重复上述步骤，继续从Sm’中搜索可加入Sm的Ak，直至J(E)＜J(Sm)，或候选最终脊柱疾病关键危险因素特征集E中的特征数等于初始脊柱疾病关键危险因素特征子集Sm’的特征数，即|E|＝|Sm’|，则Sm为最终脊柱疾病关键危险因素特征集，结束循环。
在步骤S150中，终端侧设备会综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，以供辅助诊断脊柱疾病。
需要说明的是，通过步骤S110-140，分别得到了每个特定脊柱疾病类型的脊柱疾病关键危险因素(最终脊柱疾病关键危险因素特征集)，终端侧设备可以通过取不同脊柱疾病类型的脊柱疾病关键危险因素的并集，得到综合的脊柱疾病辅助诊断因素特征集，为临床快速诊断脊柱疾病起到综合判断的辅助作用。针对严重的疾病诊断结果，医护人员可优先安排就医患者进行检测，提高诊断质量。
本申请实施例提供的基于马尔可夫毯模型的脊柱疾病辅助诊断方法，先得到脊柱疾病危险因素与脊柱疾病类型的相关性，筛除与脊柱疾病类型不相关的脊柱疾病危险因素，以及得到脊柱疾病类型的脊柱疾病危险因素之间的相似度，然后通过马尔可夫毯模型判定因素类型相关值和因素间相似度符合马尔可夫毯条件，找到能够相互替换的脊柱疾病危险因素，结合序列前向搜索方法，识别出脊柱疾病类型的脊柱疾病关键危险因素，再综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，能够辅助医师有针对性地进行脊柱疾病诊断，提高诊断脊柱疾病的效率和准确率，有利于快速为患者提供最有效的治疗。
本申请实施例提供的基于马尔可夫毯模型的脊柱疾病辅助诊断方法，通过脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表，脊柱疾病危险因素可依据医学经验进行设计，符合实际脊柱疾病诊断过程。
再者，本申请实施例提供的基于马尔可夫毯模型的脊柱疾病辅助诊断方法，基于马尔可夫毯模型，量化脊柱疾病危险因素与脊柱疾病类型的相关性以及脊柱疾病类型的脊柱疾病危险因素之间的相似度，其优点在于，对于不同的脊柱疾病类型，得到其对应的脊柱疾病危险因素，辅助特定脊柱疾病的智能诊断。综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，能够辅助医师以更少的脊柱疾病危险因素，快速诊断就医患者的脊柱疾病。
下面对本申请实施例提供的基于马尔可夫毯模型的脊柱疾病辅助诊断装置进行描述，下文描述的基于马尔可夫毯模型的脊柱疾病辅助诊断装置与上文描述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法可相互对应参照。
图2为基于马尔可夫毯模型的脊柱疾病辅助诊断装置的结构示意图。参照图2，本申请实施例提供的一种基于马尔可夫毯模型的脊柱疾病辅助诊断装置，可以包括：
脊柱疾病辅助诊断数据表构建模块210，用于：获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表；
因素类型相关值得到模块220，用于：根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，得到因素类型相关值；
因素间相似度得到模块230，用于：根据脊柱疾病辅助诊断数据表，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，得到因素间相似度；
脊柱疾病关键危险因素得到模块240，用于：通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素；
脊柱疾病辅助诊断因素得到模块250，用于：综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，以供辅助诊断脊柱疾病。
在一种实施例中，因素间相似度得到模块230，具体用于：通过相关值计算式计算脊柱疾病危险因素与脊柱疾病类型的相关值；
其中，所述相关值计算式包括：
Figure BDA0003802347000000181
Figure BDA0003802347000000182
IG(An|Dm)＝H(An)-H(An|Dm) (3)，
Figure BDA0003802347000000183
式中，所述An表示脊柱疾病危险因素，所述ai表示脊柱疾病危险因素对应的脊柱疾病就医患者诊断记录信息值，所述Dm表示脊柱疾病类型，所述dj表示脊柱疾病类型对应的脊柱疾病就医患者诊断记录信息值，所述H(An)表示脊柱疾病危险因素An的信息熵，所述P(ai)表示脊柱疾病危险因素An中ai值的概率，所述H(An|Dm)表示脊柱疾病危险因素An在脊柱疾病类型Dm下的条件信息熵，所述P(dj)表示脊柱疾病类型Dm中dj值的概率，所述P(ai|dj)表示在脊柱疾病类型Dm的dj值下脊柱疾病危险因素An中ai值的条件概率，所述IG(An|Dm)表示脊柱疾病危险因素An在脊柱疾病类型Dm下的信息增益，所述SU(An，Dm)表示脊柱疾病危险因素An与脊柱疾病类型Dm的相关值。
在一种实施例中，因素间相似度得到模块230，具体用于：通过相似度计算式计算脊柱疾病类型的脊柱疾病危险因素之间的相似度；
其中，所述相似度计算式包括：
Figure BDA0003802347000000184
Figure BDA0003802347000000185
IG(An|Ak)＝H(An)-H(An|Ak) (7)，
Figure BDA0003802347000000191
式中，所述An表示一个脊柱疾病危险因素，所述Ak表示另一个脊柱疾病危险因素，所述ai表示脊柱疾病危险因素An对应的脊柱疾病就医患者诊断记录信息值，所述at表示脊柱疾病危险因素Ak对应的脊柱疾病就医患者诊断记录信息值，所述P(ai)表示脊柱疾病危险因素An中ai值的概率，所述P(at)表示脊柱疾病危险因素Ak中at值的概率，所述P(ai|at)表示脊柱疾病危险因素Ak中at值下脊柱疾病危险因素An中ai值的条件概率，所述H(An)表示脊柱疾病危险因素An的信息熵，所述H(Ak)表示脊柱疾病危险因素Ak的信息熵，所述H(An|Ak)表示脊柱疾病危险因素An在脊柱疾病危险因素Ak下的条件信息熵，所述IG(An|Ak)表示脊柱疾病危险因素An在脊柱疾病危险因素Ak下的信息增益，所述SU(An，Ak)表示脊柱疾病危险因素An和脊柱疾病危险因素Ak之间的相似度。
在一种实施例中，脊柱疾病关键危险因素得到模块240，包括：
不相关脊柱疾病危险因素去除模块，用于：根据所述因素类型相关值，在脊柱疾病类型的脊柱疾病危险因素中去除不相关脊柱疾病危险因素，得到脊柱疾病类型的相关脊柱疾病危险因素；
马尔可夫毯条件判定模块，用于：通过马尔可夫毯模型，判定脊柱疾病类型的相关脊柱疾病危险因素的因素类型相关值和因素间相似度符合马尔可夫毯条件，得到脊柱疾病类型的初始脊柱疾病关键危险因素特征子集和相似脊柱疾病关键危险因素特征子集；
初始脊柱疾病关键危险因素评价模块，用于：结合前向序列搜索法，对初始脊柱疾病关键危险因素特征子集的初始脊柱疾病关键危险因素进行评价，得到脊柱疾病类型的最终脊柱疾病关键危险因素特征集。
需要说明的是，所述马尔可夫毯条件具体为：第一脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值大于或等于第二脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值，且第一脊柱疾病危险因素与第二脊柱疾病危险因素的相似度大于或等于第二脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值。
在一种实施例中，初始脊柱疾病关键危险因素评价模块，包括：
脊柱疾病关键危险因素分类模块，用于：在初始脊柱疾病关键危险因素特征子集中，得到作为保留因素的保留最终脊柱疾病关键危险因素特征子集和作为候选因素的候选最终脊柱疾病关键危险因素特征子集；
评价值比较模块，用于：通过评价式得到保留最终脊柱疾病关键危险因素特征子集的第一评价值和候选最终脊柱疾病关键危险因素特征子集的第二评价值；
最终脊柱疾病关键危险因素特征集得到模块，用于：根据第一评价值与第二评价值的比较结果，得到最终脊柱疾病关键危险因素特征集；
其中，评价式包括：
Figure BDA0003802347000000201
Figure BDA0003802347000000202
Figure BDA0003802347000000203
式中，所述Sm’表示初始脊柱疾病关键危险因素特征子集，所述Dm表示脊柱疾病类型，所述An表示一个初始脊柱疾病关键危险因素，所述Ak表示另一个初始脊柱疾病关键危险因素，所述SU(An，Ak)表示初始脊柱疾病关键危险因素特征子集内的初始脊柱疾病关键危险因素An和初始脊柱疾病关键危险因素Ak之间的相似度，所述
Figure BDA0003802347000000211
表示初始脊柱疾病关键危险因素特征子集内两两初始脊柱疾病关键危险因素之间的相似度的均值，所述SU(An，Dm)表示初始脊柱疾病关键危险因素An与脊柱疾病类型Dm的相关度，所述
Figure BDA0003802347000000212
表示初始脊柱疾病关键危险因素与脊柱疾病类型的相关度的均值，所述z表示初始脊柱疾病关键危险因素特征子集内初始脊柱疾病关键危险因素的个数，所述J(Sm’)表示初始脊柱疾病关键危险因素特征子集的评价值。
在一种实施例中，脊柱疾病辅助诊断因素得到模块，具体用于：取不同脊柱疾病类型的脊柱疾病关键危险因素的并集，得到脊柱疾病辅助诊断因素特征集。
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)810、通信接口(Communication Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的计算机程序，以执行基于马尔可夫毯模型的脊柱疾病辅助诊断方法的步骤，例如包括：
获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表；
根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，得到因素类型相关值；
根据脊柱疾病辅助诊断数据表，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，得到因素间相似度；
通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素；
综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，以供辅助诊断脊柱疾病。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各实施例所提供的基于马尔可夫毯模型的脊柱疾病辅助诊断方法的步骤，例如包括：
获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表；
根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，得到因素类型相关值；
根据脊柱疾病辅助诊断数据表，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，得到因素间相似度；
通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素；
综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，以供辅助诊断脊柱疾病。
另一方面，本申请实施例还提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行上述各实施例提供的方法的步骤，例如包括：
获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表；
根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，得到因素类型相关值；
根据脊柱疾病辅助诊断数据表，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，得到因素间相似度；
通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素；
综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，以供辅助诊断脊柱疾病。
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种基于马尔可夫毯模型的脊柱疾病辅助诊断方法，其特征在于，包括：
获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表；
根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，得到因素类型相关值；
根据脊柱疾病辅助诊断数据表，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，得到因素间相似度；
通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素；
综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，以供辅助诊断脊柱疾病。
2.根据权利要求1所述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法，其特征在于，所述计算脊柱疾病危险因素与脊柱疾病类型的相关值，具体为：
通过相关值计算式计算脊柱疾病危险因素与脊柱疾病类型的相关值；
其中，所述相关值计算式包括：
Figure FDA0003802346990000011
Figure FDA0003802346990000012
IG(An|Dm)＝H(An)-H(An|Dm)(3)，
Figure FDA0003802346990000013
式中，所述An表示脊柱疾病危险因素，所述ai表示脊柱疾病危险因素对应的脊柱疾病就医患者诊断记录信息值，所述Dm表示脊柱疾病类型，所述dj表示脊柱疾病类型对应的脊柱疾病就医患者诊断记录信息值，所述H(An)表示脊柱疾病危险因素An的信息熵，所述P(ai)表示脊柱疾病危险因素An中ai值的概率，所述H(An|Dm)表示脊柱疾病危险因素An在脊柱疾病类型Dm下的条件信息熵，所述P(dj)表示脊柱疾病类型Dm中dj值的概率，所述P(ai|dj)表示在脊柱疾病类型Dm的dj值下脊柱疾病危险因素An中ai值的条件概率，所述IG(An|Dm)表示脊柱疾病危险因素An在脊柱疾病类型Dm下的信息增益，所述SU(An，Dm)表示脊柱疾病危险因素An与脊柱疾病类型Dm的相关值。
3.根据权利要求1所述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法，其特征在于，所述计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，具体为：
通过相似度计算式计算脊柱疾病类型的脊柱疾病危险因素之间的相似度；
其中，所述相似度计算式包括：
Figure FDA0003802346990000021
Figure FDA0003802346990000022
IG(An|Ak)＝H(An)-H(An|Ak)(7)，
Figure FDA0003802346990000023
式中，所述An表示一个脊柱疾病危险因素，所述Ak表示另一个脊柱疾病危险因素，所述ai表示脊柱疾病危险因素An对应的脊柱疾病就医患者诊断记录信息值，所述at表示脊柱疾病危险因素Ak对应的脊柱疾病就医患者诊断记录信息值，所述P(ai)表示脊柱疾病危险因素An中ai值的概率，所述P(at)表示脊柱疾病危险因素Ak中at值的概率，所述P(ai|at)表示脊柱疾病危险因素Ak中at值下脊柱疾病危险因素An中ai值的条件概率，所述H(An)表示脊柱疾病危险因素An的信息熵，所述H(Ak)表示脊柱疾病危险因素Ak的信息熵，所述H(An|Ak)表示脊柱疾病危险因素An在脊柱疾病危险因素Ak下的条件信息熵，所述IG(An|Ak)表示脊柱疾病危险因素An在脊柱疾病危险因素Ak下的信息增益，所述SU(An，Ak)表示脊柱疾病危险因素An和脊柱疾病危险因素Ak之间的相似度。
4.根据权利要求1-3任一项所述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法，其特征在于，所述通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索法，得到脊柱疾病类型的脊柱疾病关键危险因素，包括：
根据所述因素类型相关值，在脊柱疾病类型的脊柱疾病危险因素中去除不相关脊柱疾病危险因素，得到脊柱疾病类型的相关脊柱疾病危险因素；
通过马尔可夫毯模型，判定脊柱疾病类型的相关脊柱疾病危险因素的因素类型相关值和因素间相似度符合马尔可夫毯条件，得到脊柱疾病类型的初始脊柱疾病关键危险因素特征子集和相似脊柱疾病关键危险因素特征子集；
结合序列前向搜索法，对初始脊柱疾病关键危险因素特征子集的初始脊柱疾病关键危险因素进行评价，得到脊柱疾病类型的最终脊柱疾病关键危险因素特征集。
5.根据权利要求4所述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法，其特征在于，所述马尔可夫毯条件具体为：第一脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值大于或等于第二脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值，且第一脊柱疾病危险因素与第二脊柱疾病危险因素的相似度大于或等于第二脊柱疾病危险因素与第一脊柱疾病类型的因素类型相关值。
6.根据权利要求4所述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法，其特征在于，所述结合序列前向搜索法，对初始脊柱疾病关键危险因素特征子集的初始脊柱疾病关键危险因素进行评价，得到脊柱疾病类型的最终脊柱疾病关键危险因素特征集，包括：
在初始脊柱疾病关键危险因素特征子集中，得到作为保留因素的保留最终脊柱疾病关键危险因素特征子集和作为候选因素的候选最终脊柱疾病关键危险因素特征子集；
通过评价式得到保留最终脊柱疾病关键危险因素特征子集的第一评价值和候选最终脊柱疾病关键危险因素特征子集的第二评价值；
根据第一评价值与第二评价值的比较结果，得到最终脊柱疾病关键危险因素特征集；
其中，评价式包括：
Figure FDA0003802346990000041
Figure FDA0003802346990000042
Figure FDA0003802346990000043
式中，所述Sm’表示初始脊柱疾病关键危险因素特征子集，所述Dm表示脊柱疾病类型，所述An表示一个初始脊柱疾病关键危险因素，所述Ak表示另一个初始脊柱疾病关键危险因素，所述SU(An，Ak)表示初始脊柱疾病关键危险因素特征子集内的初始脊柱疾病关键危险因素An和初始脊柱疾病关键危险因素Ak之间的相似度，所述
Figure FDA0003802346990000044
表示初始脊柱疾病关键危险因素特征子集内两两初始脊柱疾病关键危险因素之间的相似度的均值，所述SU(An，Dm)表示初始脊柱疾病关键危险因素An与脊柱疾病类型Dm的相关度，所述
Figure FDA0003802346990000045
表示初始脊柱疾病关键危险因素与脊柱疾病类型的相关度的均值，所述z表示初始脊柱疾病关键危险因素特征子集内初始脊柱疾病关键危险因素的个数，所述J(Sm’)表示初始脊柱疾病关键危险因素特征子集的评价值。
7.根据权利要求1-3任一项所述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法，其特征在于，所述综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，具体为：
取不同脊柱疾病类型的脊柱疾病关键危险因素的并集，得到脊柱疾病辅助诊断因素特征集。
8.一种基于马尔可夫毯模型的脊柱疾病辅助诊断装置，其特征在于，包括：
脊柱疾病辅助诊断数据表构建模块，用于：获取脊柱疾病就医患者诊断记录数据、脊柱疾病危险因素数据、和脊柱疾病类型数据，构建脊柱疾病辅助诊断数据表；
因素类型相关值得到模块，用于：根据脊柱疾病辅助诊断数据表，计算脊柱疾病危险因素与脊柱疾病类型的相关性，得到因素类型相关值；
因素间相似度得到模块，用于：根据脊柱疾病辅助诊断数据表，计算脊柱疾病类型的脊柱疾病危险因素之间的相似度，得到因素间相似度；
脊柱疾病关键危险因素得到模块，用于：通过马尔可夫毯模型，判定因素类型相关值和因素间相似度符合马尔可夫毯条件，结合序列前向搜索方法，得到脊柱疾病类型的脊柱疾病关键危险因素；
脊柱疾病辅助诊断因素得到模块，用于：综合不同脊柱疾病类型的脊柱疾病关键危险因素，得到脊柱疾病辅助诊断因素，以供辅助诊断脊柱疾病。
9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的基于马尔可夫毯模型的脊柱疾病辅助诊断方法。
CN202210987388.3A 2022-08-17 2022-08-17 基于马尔可夫毯模型的脊柱疾病辅助诊断方法和装置 Active CN115346660B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210987388.3A CN115346660B (zh) 2022-08-17 2022-08-17 基于马尔可夫毯模型的脊柱疾病辅助诊断方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210987388.3A CN115346660B (zh) 2022-08-17 2022-08-17 基于马尔可夫毯模型的脊柱疾病辅助诊断方法和装置

Publications (2)

Publication Number Publication Date
CN115346660A true CN115346660A (zh) 2022-11-15
CN115346660B CN115346660B (zh) 2023-09-19

Family

ID=83952346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210987388.3A Active CN115346660B (zh) 2022-08-17 2022-08-17 基于马尔可夫毯模型的脊柱疾病辅助诊断方法和装置

Country Status (1)

Country Link
CN (1) CN115346660B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117524465A (zh) * 2024-01-05 2024-02-06 四川省医学科学院·四川省人民医院 基于人工智能的脊柱外科手术方案决策判定系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107610779A (zh) * 2017-10-25 2018-01-19 医渡云（北京）技术有限公司 疾病评价及患病风险评估方法及装置
CN110866162A (zh) * 2019-10-10 2020-03-06 西安交通大学 一种基于mooc数据中辍学行为的因果关系挖掘方法
US10847261B1 (en) * 2019-10-30 2020-11-24 Kenneth Neumann Methods and systems for prioritizing comprehensive diagnoses
CN112801979A (zh) * 2021-01-28 2021-05-14 广东工业大学 一种基于不确定性推理的脊柱侧弯检测方法及系统
CN113435652A (zh) * 2021-07-01 2021-09-24 贵州电网有限责任公司 一种一次设备缺陷诊断与预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107610779A (zh) * 2017-10-25 2018-01-19 医渡云（北京）技术有限公司 疾病评价及患病风险评估方法及装置
CN110866162A (zh) * 2019-10-10 2020-03-06 西安交通大学 一种基于mooc数据中辍学行为的因果关系挖掘方法
US10847261B1 (en) * 2019-10-30 2020-11-24 Kenneth Neumann Methods and systems for prioritizing comprehensive diagnoses
CN112801979A (zh) * 2021-01-28 2021-05-14 广东工业大学 一种基于不确定性推理的脊柱侧弯检测方法及系统
CN113435652A (zh) * 2021-07-01 2021-09-24 贵州电网有限责任公司 一种一次设备缺陷诊断与预测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117524465A (zh) * 2024-01-05 2024-02-06 四川省医学科学院·四川省人民医院 基于人工智能的脊柱外科手术方案决策判定系统及方法
CN117524465B (zh) * 2024-01-05 2024-03-08 四川省医学科学院·四川省人民医院 基于人工智能的脊柱外科手术方案决策判定系统及方法

Also Published As

Publication number Publication date
CN115346660B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
CN109480780B (zh) 一种脑卒中预警系统的评估方法及系统
CN107463771B (zh) 一种病例分组的方法和系统
CN108984708B (zh) 脏数据识别方法及装置、数据清洗方法及装置、控制器
CN108206046B (zh) 一种数据处理方法及装置
JP2012221508A (ja) 患者予後を予測するシステムおよびコンピュータ可読媒体
CN112908458B (zh) 一种体检套餐生成系统、方法及计算机可读存储介质
WO2023198224A1 (zh) 一种精神障碍类磁共振图像初步筛查模型构建方法
Bi et al. Detecting risk gene and pathogenic brain region in EMCI using a novel GERF algorithm based on brain imaging and genetic data
CN115346660A (zh) 基于马尔可夫毯模型的脊柱疾病辅助诊断方法
CN113796877A (zh) 脑卒中预测值获取方法、装置及存储介质
JP2011203976A (ja) 診断支援装置
CN115470989A (zh) 基于机器学习的预测早产儿支气管肺发育不良风险的方法
Yuan et al. Classification of mild cognitive impairment with multimodal data using both labeled and unlabeled samples
CN110471854A (zh) 一种基于高维数据混合约简的缺陷报告指派方法
CN117012356B (zh) 一种基于运筹学的手术分配方法和系统
CN111785369B (zh) 诊断预测方法、相关设备及可读存储介质
CN113678147B (zh) 搜索方法以及信息处理系统
CN117373650A (zh) 一种多模态识别早期痴呆人群的方法、系统和设备
WO2023151578A1 (en) Embryo selection process
CN116564537A (zh) 一种基于机器学习的恶性肿瘤合并vte风险预测方法
WO2022256018A1 (en) Machine learning based decision support system for spinal cord stimulation long term response
CN117721222B (zh) 一种单细胞转录组预测胚胎着床的方法及应用
CN115132351B (zh) 基于真实世界研究的诊断数据反馈评价系统及方法
CN117936012B (zh) 一种基于慢性疼痛的检查项目决策方法、介质及系统
KR100590541B1 (ko) 누락된 유전자형 데이터 대체 방법 및 그 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant