[发明专利]一种基于大数据的血液病智能分类系统及方法

说明书

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于大数据的血液病智能分类系统及方法。

背景技术

目前，正处于大数据时代，到处都有大规模数据量的数据，现有技术中的简单规则处理难以发挥这些数据的价值。硬件的高速发展给大数据的应用提供了条件。高性能计算使得基于大规模数据的数据学习时间和数据处理代价大大降低了；大规模数据存储，使得能够更快、代价更小地处理大规模数据。由于硬件和算法的发展，使得在使用机器学习解决数据分析的问题后，能获得更加丰厚收益。

现有的机器学习技术主要运用到新闻、电子商务等互联网领域，在传统领域，尤其是医学领域的应用十分匮乏。因此，本发明提供一种将机器学习方法运用到医学领域中，进行血液病病理类型的智能分类方法，以弥补现有技术中，血液病的分类主要依赖医生的主观判断，判断的准确性取决于医生的工作经验，不同的医生对患者病情的判断结果可能会不一致，这容易导致误诊，甚至可能会延误患者病情的问题。

发明内容

鉴于上述的分析，本发明旨在提供一种基于大数据的血液病智能分类系统及方法，用以解决因医生的工作经验导致对患者病情诊断结果准确性不高的问题。

本发明的目的主要是通过以下技术方案实现的：

一种基于大数据的血液病智能分类系统，包括服务器、信息输入装置和显示装置；

所述信息输入装置用于用户输入诊断为血液病的病例历史电子数据和待分类的血液病病例电子数据；

所述服务器包括数据采集模块、数据存储模块、数据分割模块、特征病理信息提取模块、数据预处理模块、特征数值生成模块、分类器模型训练模块、分类器模型测试模块和病例分类模块，用于训练血液病病理分类器，并利用训练好的血液病病理分类器对用户输入的待分类的血液病病例电子数据进行分类，得到血液病分类结果；

所述显示装置用于对血液病分类结果进行显示。

所述数据采集模块用于获取诊断为血液病的病例历史电子数据和待分类的血液病病例电子数据，并存储到数据存储模块；

所述数据分割模块用于将电子数据分割为训练集和测试集；

所述特征病理信息提取模块用于提取训练集和测试集中的每个病例的特征病理信息，将提取的特征病理信息逐个与预先判定的血液病分类结果对应；

所述数据预处理模块用于对训练集和测试集中的特征病理信息进行预处理，生成训练用和测试用特征词集合；

所述特征数值生成模块用于为训练用和测试用特征词集合中的特征词生成对应的特征数值，利用计算得到的特征数值对词条进行特征表示；

所述分类器模型训练模块用于训练血液病分类分析模型，得到血液病病理分类器；

所述病例分类模块用于根据待分类信息的特征数值，利用血液病病理分类器得出根据用户输入信息的血液病分类结果。

所述预处理包括分词、噪声词剔除和同义词处理操作，生成训练用和测试用特征词集合。

使用分词工具对提取的病理信息中的每条信息进行分词，获得文本词集。

对分词结果进行噪声词剔除处理，包括去除没有实际意义的字或词，以及生僻字和特殊符号，还去除与血液病信息无关的词汇。

噪声词剔除处理通过建立噪声词表的方式进行匹配和剔除。

使用预先建立的同义词表对特征词集合中的同义词进行替换，使得所有同义词均用一个词来表示，得到训练用和测试用特征词集合。

对训练用特征词集合中的特征词进行特征选择。

采用Hash算法为训练用和测试用特征词集合中的每一病理的特征词生成对应的特征数值。

一种基于大数据的血液病智能分类方法，包括以下步骤：

步骤S1、数据采集模块获取诊断为血液病的病例历史电子数据，并存储到数据存储模块；

步骤S2、特征病理信息提取模块提取训练集中的每个病例的特征病理信息，将提取的特征病理信息逐个与预先判定的血液病分类结果对应；

步骤S3、对训练集中的特征病理信息进行预处理，生成训练用特征词集合；

步骤S4、为训练用特征词集合中的特征词生成对应的特征数值，利用计算得到的特征数值对词条进行特征表示；

步骤S5、利用步骤S4生成的特征数值训练血液病分类分析模型，得到血液病病理分类器；

步骤S6、将根据测试集生成的测试用特征数值输入到血液病病理分类器中，分类器模型测试模块将所述测试用特征数值与标准结果进行对比，得到测试结果；

步骤S7、接收用户输入的待分类的血液病病例电子数据；