[发明专利]用于电子病历特征提取的种群精英分布云协同均衡方法

说明书

技术领域：

本发明涉及到医学信息智能处理领域，具体来说涉及用于电子病历特征提取的种群精英分布云协同均衡方法。

背景技术：

电子病历系统中存储的医疗数据隐含着大量有用信息，提取出其中重要的医学特征和诊断规则是形成计算机智能临床决策支持系统的关键，是众多电子病历智能应用的核心支撑技术。由于电子病历系统中医疗数据属性所具有的大规模性、多样性、不确定性和动态性等，给电子病历特征的准确提取带来了较大困难，因此迫切需要考虑给出有效的方法来解决大规模复杂电子病历特征提取问题。

然而目前大部分大规模并行特征提取算法是假设所有数据一次性装入内存中的，这显然无法满足和适应当前医疗信息系统中大规模电子病历数据特征提取的处理需求，而且目前现有的大部分特征提取算法对大规模电子病历特征提取时均存在着消耗时间和空间量较大，无法处理病历数据属性间多维度复杂的内联关系，且往往不能保证最终提取的病历特征集为所求目标的最优病历特征集等问题，这将意味着目前一般的特征提取算法不能够有效地应用到实际大规模电子病历多模式多角度特征提取中。在大数据背景下开展大规模电子病历特征提取方法研究，是目前电子病历智能处理研究所面临的新挑战。

发明内容：

本发明的目的是提供一种具有较好适应性和可行性、具有较强全局收敛稳定性、具有较好可扩展性的用于电子病历特征提取的种群精英分布云协同均衡方法。

本发明通过以下的技术方案实现的：

一种用于电子病历特征提取的种群精英分布云协同均衡方法，具体步骤如下：

A、基于分布式云计算MapReduce框架将大规模电子病历自适应划分至各子种群Subpopulation_i中，采用量子蛙跳算法QSFLA作为各个子种群进化算法，分别进行各子种群Subpopulation_i演化，取得参与电子病历特征提取的各子种群最优解Psolu_i，从而形成种群全局最优集为

PSOLU＝Psolu₁+Psolu₂+....+Psolu_i+...+Psolu_N；

B、设计一种有限理性区域下N种群精英均衡优势策略，构建分布式协同化动态精英演化区域Ω，使参与电子病历特征提取的各子种群精英在各自平均权重概率下均能达到Nash均衡下优势区域Ζ；

C、构造大规模电子病历相应病症的形式背景并映射至进化种群空间，建立电子病历特征提取进化目标优化模型C(x)为电子病历特征函数，x_i为电子病历映射到种群空间的特征值,将电子病历特征提取优化问题转化为进化种群精英在Nash均衡下优势区域目标寻优问题；

D、基于云计算的MapReduce框架，各子种群精英结合分布式协同云模型下各子种群并行操作<key_i,value_i>机制对，提取各个划分的电子病历子区域特征子集F_i；

E、根据进化子种群精英在各自对应的电子病历子区域上提取的特征子集F_i，获取电子病历全局均衡特征集为

F、评估提取出的电子病历全局均衡特征集，输出电子病历全局均衡优势特征集F_opt。

本发明的进一步改进在于：步骤A具体为：基于分布式云计算MapReduce框架的大规模电子病历自适应划分实现方法，该方法将大规模电子病历自适应划分至各子种群Subpopulation_i，采用量子蛙跳算法QSFLA作为各个子种群进化算法进行各子种群演化，取得参与电子病历特征提取的各子种群最优解Psolu_i，从而形成全局最优特征集，其步骤如下：

1)、使用云计算的MapReduce框架,将整个进化种群分割成N个子种群Subpopulation₁,…,Subpopulation_i…,Subpopulation_N；

2)、每个子种群Subpopulation_i与左右相邻近的分布式协同子种群Subpopulation_i-1和Subpopulation_i+1共享各自最优解，加速整个种群的并行协同优化能力；