[发明专利]一种应用于临床数据的自动搜索机器学习系统及方法

说明书

本专利属于医疗大数据处理领域，本发明的解决的技术问题在于提供一种应用于临床数据的自动搜索机器学习方法，其具有快速提取临床数据、为医疗行业研究者提供最优算法、方便医疗行业研究者调整参数且具有学习能力的功能，包括如下步骤：S1：临床参数提取，将临床参数记录在EAV文件或者EXCEL文件中；S2：参数筛选，用MapReduce框架支持在SPARK上执行枢轴，在SPARK上执行枢轴用来提取有效的临床参数；S3：在机器内预制若干的推荐算法模型，然后建立SQL语句执行可视化查询，根据EAV文件或者EXCEL文件内容向用户展示可调用的相关算法，机器通过S4自主确定推荐算法模型及推荐算法参数。还公开了一种应用于临床数据的自动搜索机器学习系统。

技术领域

本发明涉及医疗大数据处理领域，具体涉及一种应用于临床数据的自动搜索机器学习系统及方法。

背景技术

现如今，医疗行业收集了大量的临床数据，其来源广泛包括电子病例、传感器、移动设备等等。这些临床大数据为我们的临床护理和生物医学研究的向前发展提供了很好的机会。预测模型能够帮助我们提前预测个体疾病的发生风险，从而提前采取适当的措施。大多医疗行业研究者对于机器学习算法的掌握和应用能力有限,机器学习算法的种类多样且对超参数的选择要求很高，对于非专业人士应用起来仍是很大的挑战。

因此开发一种方便医疗行业研究者使用的预测系统是十分必要的，其应该具有快速提取临床数据、为医疗行业研究者提供最优算法、方便医疗行业研究者调整参数且具有一定学习能力的功能。

发明内容

本发明解决的技术问题在于提供一种应用于临床数据的自动搜索机器学习系统及方法，其具有快速提取临床数据、为医疗行业研究者提供最优算法、方便医疗行业研究者调整参数且具有学习能力的功能。

本发明提供的基础方案为：一种应用于临床数据的自动搜索机器学习方法，包括如下步骤：

S1：临床参数提取，将临床参数记录在EAV文件或者EXCEL文件中；

S2：参数筛选，用MapReduce模型框架在SPARK引擎上执行枢轴，在SPARK上执行枢轴用来提取有效的临床参数；

S3：在机器内预制若干的推荐算法模型，然后建立SQL语句执行可视化查询，根据EAV文件或者EXCEL文件内容向用户展示可调用的相关算法，机器通过S4自主确定推荐算法模型及推荐算法参数；

S4：调用机器学习函数，利用样本进行机器训练，输出符合要求的精度的推荐算法模型及参数，然后根据精度确定S3中推荐算法模型，再调用推荐算法中相应的推荐算法参数，并提取该模型下的精度差阈值τ；

S5：根据S3和S4中确定的推荐算法模型和精确度差阈值τ生成关联表，将每个EAV文件或者EXCEL文件处理成对应的关联表，每个关联表生成时，输出界面显示第一批元组。关联表就是最终结果，得出的是确定的算法和参数，以及对应的精度。

名词解释：枢轴，在本申请中可以理解为对参数进行分类，或者说进行筛选；

精确度差阈值τ，在本申请表征对该算法模型的精确度的评价。

本发明的工作原理及优点在于：在S1中，根据医疗行业工作者的习惯，大多临床参数都是以EVA文件或者EXCEL文件保存的，这两种文件在办公软件中是广泛使用的用于保存数据的文件，在市面上能够提取这两种文件中的数据的方法较多，因此，结合医疗工作者的工作环境以及现有的软件技术，确定了EVA文件或者EXCEL文件作为临床参数提取文件。