本發(fā)明涉及醫(yī)療數(shù)據(jù)分析，具體涉及一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)。

背景技術(shù)：

1、基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比是指利用現(xiàn)有的技術(shù)包括機(jī)器學(xué)習(xí)、人工智能、數(shù)據(jù)挖掘和統(tǒng)計(jì)分析等，通過對(duì)電子健康記錄(ehr)、基因組數(shù)據(jù)、影像數(shù)據(jù)和實(shí)時(shí)健康監(jiān)測(cè)數(shù)據(jù)等多源數(shù)據(jù)進(jìn)行集成和處理，從中提取有價(jià)值的信息。但是，在處理和集成多源數(shù)據(jù)時(shí)，如果稀有醫(yī)療患者數(shù)據(jù)的樣本數(shù)量不足，可能會(huì)導(dǎo)致分析模型出現(xiàn)對(duì)常見醫(yī)療患者的偏向，忽視稀有醫(yī)療患者。使得模型可能無法正確識(shí)別稀有醫(yī)療患者，導(dǎo)致誤診或漏診，影響患者健康。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，以解決背景技術(shù)中不足。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，包括數(shù)據(jù)獲取模塊、數(shù)據(jù)處理模塊、樣本數(shù)據(jù)增加模塊，模型穩(wěn)定性評(píng)估模塊以及展示模塊；

3、數(shù)據(jù)獲取模塊：用于從各種數(shù)據(jù)源收集相關(guān)的醫(yī)療數(shù)據(jù)，并對(duì)收集到的數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理后的醫(yī)療數(shù)據(jù)進(jìn)行稀有醫(yī)療患者特征提取；

4、數(shù)據(jù)處理模塊：根據(jù)提取出的稀有醫(yī)療患者的亞型復(fù)雜度特征和患者樣本數(shù)據(jù)傾斜特征，判斷稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量是否充足；

5、樣本數(shù)據(jù)增加模塊：當(dāng)稀有醫(yī)療患者數(shù)據(jù)數(shù)量不充足時(shí)，通過數(shù)據(jù)增強(qiáng)技術(shù)增加稀有醫(yī)療患者樣本的數(shù)量，對(duì)稀有醫(yī)療患者數(shù)據(jù)進(jìn)行過采樣，對(duì)常見醫(yī)療患者數(shù)據(jù)進(jìn)行欠采樣，平衡數(shù)據(jù)集；

6、模型穩(wěn)定性評(píng)估模塊：使用k折交叉驗(yàn)證技術(shù)，將數(shù)據(jù)集分成k個(gè)子集，循環(huán)進(jìn)行訓(xùn)練和驗(yàn)證，評(píng)估分析模型的穩(wěn)定性；

7、展示模塊：對(duì)稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的判斷結(jié)果和分析模型的穩(wěn)定性進(jìn)行綜合分析，評(píng)估分析模型醫(yī)療患者識(shí)別結(jié)果的準(zhǔn)確性，并對(duì)其進(jìn)行可視化展示。

8、優(yōu)選的，數(shù)據(jù)處理模塊中，根據(jù)提取出的稀有醫(yī)療患者的亞型復(fù)雜度特征生成亞型分布異常指數(shù)，則亞型分布異常指數(shù)的獲取方法為：

9、獲取稀有醫(yī)療患者的臨床數(shù)據(jù)和基因數(shù)據(jù)并標(biāo)注n個(gè)患者的亞型數(shù)量m，選擇與稀有醫(yī)療患者亞型相關(guān)的臨床特征，對(duì)選定的特征進(jìn)行計(jì)算，計(jì)算正常情況下各個(gè)亞型的基線分布，表達(dá)式為：式中，ni為第i個(gè)亞型的患者數(shù)，其中i∈{1,2,…,m}，qi為每個(gè)亞型i的基線分布，將基線分布建立數(shù)據(jù)集合q＝{q1,q2,…,qi,…,qn}；并計(jì)算當(dāng)前基線分布pi，建立數(shù)據(jù)集合p＝{p1,p2,…,pi,…,pn}；計(jì)算當(dāng)前樣本中各個(gè)亞型的實(shí)際分布頻率，即計(jì)算亞型分布異常指數(shù)，具體的計(jì)算表達(dá)式為：式中，dk為亞型分布異常指數(shù)。

10、優(yōu)選的，根據(jù)提取出的患者樣本數(shù)據(jù)傾斜特征生成數(shù)據(jù)類別不平衡指數(shù)，則數(shù)據(jù)類別不平衡指數(shù)的獲取方法為：

11、從不同來源收集患者樣本數(shù)據(jù)，對(duì)每個(gè)患者樣本進(jìn)行標(biāo)注，確定其所屬的類別，將數(shù)據(jù)集中的樣本數(shù)量標(biāo)記為w，并劃分為k個(gè)類別，統(tǒng)計(jì)每個(gè)類別s的樣本數(shù)量ws；計(jì)算每個(gè)類別的比例，表達(dá)式為：其中，gs表示類別s的樣本比例，計(jì)算期望均勻分布的比例，表達(dá)式為：其中，k表示類別的總數(shù)，計(jì)算數(shù)據(jù)類別不平衡指數(shù)，表達(dá)式為：其中，yb為數(shù)據(jù)類別不平衡指數(shù)。

12、優(yōu)選的，將亞型分布異常指數(shù)以及數(shù)據(jù)類別不平衡指數(shù)進(jìn)行歸一化處理，通過歸一化處理后的亞型分布異常指數(shù)以及數(shù)據(jù)類別不平衡指數(shù)計(jì)算稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的充足性評(píng)估系數(shù)。

13、優(yōu)選的，將獲取到的稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的充足性評(píng)估系數(shù)與預(yù)先設(shè)置的稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的充足性評(píng)估系數(shù)參考閾值進(jìn)行比較，若充足性評(píng)估系數(shù)大于等于充足性評(píng)估系數(shù)參考閾值，稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量充足，此時(shí)生成數(shù)據(jù)充足信號(hào)；若充足性評(píng)估系數(shù)小于充足性評(píng)估系數(shù)參考閾值，稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量不充足，此時(shí)生成數(shù)據(jù)不充足信號(hào)。

14、優(yōu)選的，模型穩(wěn)定性評(píng)估模塊中，使用k折交叉驗(yàn)證技術(shù)，將數(shù)據(jù)集分成k個(gè)子集，循環(huán)進(jìn)行訓(xùn)練和驗(yàn)證，評(píng)估分析模型的穩(wěn)定性；

15、從各個(gè)數(shù)據(jù)源收集稀有醫(yī)療患者和常見醫(yī)療患者的患者數(shù)據(jù)，包括臨床數(shù)據(jù)和基因數(shù)據(jù)，選擇k值，將整個(gè)數(shù)據(jù)集隨機(jī)分成k個(gè)子集，定義用于評(píng)估模型性能的指標(biāo)，包括準(zhǔn)確率、精確率、召回率、f1分?jǐn)?shù)；

16、將第i個(gè)子集作為驗(yàn)證集，剩余的k-1個(gè)子集合并作為訓(xùn)練集；

17、使用訓(xùn)練集訓(xùn)練模型；

18、使用驗(yàn)證集評(píng)估模型性能，記錄評(píng)估結(jié)果；

19、將k次驗(yàn)證結(jié)果的評(píng)估指標(biāo)分別進(jìn)行收集并建立對(duì)應(yīng)的數(shù)據(jù)集合，計(jì)算各個(gè)數(shù)據(jù)集合的標(biāo)準(zhǔn)差，將各個(gè)數(shù)據(jù)集合的標(biāo)準(zhǔn)差進(jìn)行加權(quán)移動(dòng)平均計(jì)算后計(jì)算模型穩(wěn)定性分析系數(shù)。

20、優(yōu)選的，將獲取到的模型穩(wěn)定性分析系數(shù)與模型穩(wěn)定性分析系數(shù)參考閾值進(jìn)行比較，若模型穩(wěn)定性分析系數(shù)大于等于模型穩(wěn)定性分析系數(shù)參考閾值，模型穩(wěn)定性高，此時(shí)生成模型穩(wěn)定信號(hào)；若模型穩(wěn)定性分析系數(shù)小于模型穩(wěn)定性分析系數(shù)參考閾值，模型穩(wěn)定性低，此時(shí)生成模型不穩(wěn)定信號(hào)。

21、優(yōu)選的，展示模塊中，對(duì)稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的判斷結(jié)果和分析模型的穩(wěn)定性進(jìn)行綜合分析，評(píng)估分析模型醫(yī)療患者識(shí)別結(jié)果的準(zhǔn)確性，具體為：

22、將稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的充足性評(píng)估系數(shù)與模型穩(wěn)定性分析系數(shù)作為模糊邏輯的輸入項(xiàng)，將分析模型醫(yī)療患者識(shí)別結(jié)果的準(zhǔn)確性作為模糊邏輯的輸出項(xiàng)；

23、分別定義稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的充足性評(píng)估系數(shù)與模型穩(wěn)定性分析系數(shù)的模糊集合；

24、制定模糊規(guī)則，將具體數(shù)值轉(zhuǎn)化為模糊值，根據(jù)模糊規(guī)則庫進(jìn)行推理，將模糊值轉(zhuǎn)換為具體數(shù)值輸出。

25、在上述技術(shù)方案中，本發(fā)明提供的技術(shù)效果和優(yōu)點(diǎn)：

26、1、本發(fā)明通過整合多源醫(yī)療數(shù)據(jù)并對(duì)稀有疾病患者數(shù)據(jù)進(jìn)行特征提取和評(píng)估，解決了樣本數(shù)量不足導(dǎo)致的模型偏向問題。通過數(shù)據(jù)增強(qiáng)技術(shù)增加稀有疾病樣本數(shù)量，并對(duì)常見疾病樣本進(jìn)行欠采樣，有效平衡數(shù)據(jù)集。同時(shí)，使用k折交叉驗(yàn)證技術(shù)評(píng)估和優(yōu)化模型穩(wěn)定性，并通過模糊邏輯綜合分析模型的準(zhǔn)確性，為臨床決策提供可靠依據(jù)。

27、2、本發(fā)明不僅提升了稀有疾病識(shí)別的準(zhǔn)確性和模型的魯棒性，還能直觀地展示數(shù)據(jù)樣本數(shù)量和模型穩(wěn)定性分析結(jié)果。通過可視化展示，醫(yī)療從業(yè)者能夠更全面地了解模型性能，做出更準(zhǔn)確的治療決策，最終改善患者健康管理效果。

技術(shù)特征：

1.一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，其特征在于：包括數(shù)據(jù)獲取模塊、數(shù)據(jù)處理模塊、樣本數(shù)據(jù)增加模塊，模型穩(wěn)定性評(píng)估模塊以及展示模塊；

2.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，其特征在于：數(shù)據(jù)處理模塊中，根據(jù)提取出的稀有醫(yī)療患者的亞型復(fù)雜度特征生成亞型分布異常指數(shù)，則亞型分布異常指數(shù)的獲取方法為：

3.根據(jù)權(quán)利要求2所述的一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，其特征在于：根據(jù)提取出的患者樣本數(shù)據(jù)傾斜特征生成數(shù)據(jù)類別不平衡指數(shù)，則數(shù)據(jù)類別不平衡指數(shù)的獲取方法為：

4.根據(jù)權(quán)利要求3所述的一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，其特征在于：將亞型分布異常指數(shù)以及數(shù)據(jù)類別不平衡指數(shù)進(jìn)行歸一化處理，通過歸一化處理后的亞型分布異常指數(shù)以及數(shù)據(jù)類別不平衡指數(shù)計(jì)算稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的充足性評(píng)估系數(shù)。

5.根據(jù)權(quán)利要求4所述的一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，其特征在于：將獲取到的稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的充足性評(píng)估系數(shù)與預(yù)先設(shè)置的稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的充足性評(píng)估系數(shù)參考閾值進(jìn)行比較，若充足性評(píng)估系數(shù)大于等于充足性評(píng)估系數(shù)參考閾值，稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量充足，此時(shí)生成數(shù)據(jù)充足信號(hào)；若充足性評(píng)估系數(shù)小于充足性評(píng)估系數(shù)參考閾值，稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量不充足，此時(shí)生成數(shù)據(jù)不充足信號(hào)。

6.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，其特征在于：模型穩(wěn)定性評(píng)估模塊中，使用k折交叉驗(yàn)證技術(shù)，將數(shù)據(jù)集分成k個(gè)子集，循環(huán)進(jìn)行訓(xùn)練和驗(yàn)證，評(píng)估分析模型的穩(wěn)定性；

7.根據(jù)權(quán)利要求6所述的一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，其特征在于：將獲取到的模型穩(wěn)定性分析系數(shù)與模型穩(wěn)定性分析系數(shù)參考閾值進(jìn)行比較，若模型穩(wěn)定性分析系數(shù)大于等于模型穩(wěn)定性分析系數(shù)參考閾值，模型穩(wěn)定性高，此時(shí)生成模型穩(wěn)定信號(hào)；若模型穩(wěn)定性分析系數(shù)小于模型穩(wěn)定性分析系數(shù)參考閾值，模型穩(wěn)定性低，此時(shí)生成模型不穩(wěn)定信號(hào)。

8.根據(jù)權(quán)利要求1所述的一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，其特征在于：展示模塊中，對(duì)稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的判斷結(jié)果和分析模型的穩(wěn)定性進(jìn)行綜合分析，評(píng)估分析模型醫(yī)療患者識(shí)別結(jié)果的準(zhǔn)確性，具體為：

技術(shù)總結(jié)
本發(fā)明公開了一種基于大數(shù)據(jù)的醫(yī)療數(shù)據(jù)分析對(duì)比系統(tǒng)，涉及醫(yī)療數(shù)據(jù)分析技術(shù)領(lǐng)域，通過從各種數(shù)據(jù)源收集醫(yī)療數(shù)據(jù)，并進(jìn)行預(yù)處理和特征提取，通過識(shí)別稀有醫(yī)療患者的亞型復(fù)雜度特征和樣本數(shù)據(jù)傾斜特征，判斷稀有醫(yī)療患者數(shù)據(jù)樣本數(shù)量的充足性后，利用數(shù)據(jù)增強(qiáng)技術(shù)增加稀有醫(yī)療患者樣本，對(duì)常見醫(yī)療患者樣本進(jìn)行欠采樣，平衡數(shù)據(jù)集，使用K折交叉驗(yàn)證技術(shù)循環(huán)訓(xùn)練和驗(yàn)證模型，評(píng)估其穩(wěn)定性，并通過綜合分析樣本數(shù)量判斷結(jié)果和模型穩(wěn)定性，評(píng)估醫(yī)療患者識(shí)別準(zhǔn)確性，最終，通過可視化展示結(jié)果，有效提升了稀有醫(yī)療患者識(shí)別的準(zhǔn)確性和模型的魯棒性，確保在醫(yī)療數(shù)據(jù)不平衡的情況下仍能提供可靠的分析結(jié)果。

技術(shù)研發(fā)人員：劉松,史志濤,文碩,高玉卯
受保護(hù)的技術(shù)使用者：濟(jì)寧醫(yī)學(xué)院附屬醫(yī)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17