[发明专利]一种基于大数据的血液病智能分类系统

说明书

技术领域

本发明属于医疗信息化系统领域，尤其涉及一种基于大数据的血液病智能分类系统。

背景技术

目前，现代社会正处于大数据时代，各个领域都受益于大数据所带来的便利，然而，大数据在医学领域的应用还及其稀少，尤其因为医生的个人经验不同，所判断的病情也不尽相同，还存在误诊的可能性，对病人造成很大的影响。

综上所述，现有技术存在的问题是：大数据在医学领域应用匮乏，医生个人经验不同导致病情诊断有误，无法现代社会的需要。

发明内容

针对现有技术存在的问题，本发明提供了一种基于大数据的血液病智能分类系统。

本发明是这样实现的，一种基于大数据的血液病智能分类系统设置有：

信息输入模块、服务器、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、特征数据生成模块、病例数据库检索模块；病例分类模块；病例生成模块、数据显示模块。

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、特征数据生成模块、病例数据库检索模块；病例分类模块；病例生成模块。所述数据采集模块、数据存储模块、所述数据分割模块、特征病理信息提取模块、数据预处理模块、特征数据生成模块、病例数据库检索模块；病例分类模块；病例生成模块依次首尾电连接；

所述数据采集模块数据聚合方法的步骤如下：

步骤一，在面积为S＝LL的部署区域内，随机分布N个同构的无线传感器节点，sink节点位于部署区域之外，节点处理整个无线传感器网络内收集到的数据；

步骤二，非均匀成簇

sink节点位于部署区域的上方；首先部署区域X轴划分为S个泳道，所有泳道有相同的宽度w，并且每个泳道的长度与部署区域的长度相等；用从1到s作为泳道的ID，最左端的泳道的ID为1，然后每个泳道沿着y轴划分为多个矩形网格，每个泳道中的每个网格都被定义一个水平，最下端的网格的水平为1，每个网格和每个泳道有相同的宽度w；每个泳道中网格的个数、长度与泳道到sink的距离有关；通过设置网格的长度来调整网格的大小；针对不同的泳道，距离sink越远的泳道含有的网格数目越小；针对同一泳道，距离sink越远的网格的长度越大；假设A中含有S个元素，第k个元素表示在第k个泳道中网格的数目；每个网格用一个数组(i，j)作为ID，表示第i个泳道有水平j；定义S个数组表示网格的长度，第v个数组H_v表示第v个泳道中网格的长度，并且H_v的第w个元素h_vw表示网格(v，w)的长度；网格(i，j)的边界为：

o_x+(i-1)×w＜x≤o_x+i×w

非均匀网格划分好之后进行成簇阶段；算法分为很多轮进行，在每轮中选取每个网格中剩余能量最大的节点作为簇首节点，其余节点根据就近原则加入簇，然后再进行数据聚合；

步骤三，格拉布斯预处理

传感器节点需要对收集的数据进行预处理，然后再向簇首节点传输数据；采用格拉布斯预准则对传感器节点所采集到的数据进行预处理假设某个簇首节点含有个传感器节点，传感器节点收集到的数据为x₁,x₂,…,x_n，服从正态分布，并设：

v_i＝x_i-x₀，

根据顺序统计原理，计算格拉布斯统计量：

给定显著性水平(α＝0.05)之后，测量值满足g_i≤g₀(n,α)，则认为测量值有效，测量值参与到下一层次的数据聚合；反之，则认为测量值无效，因此需要剔除，即不参与到下一层次的数据聚合；

步骤四，自适应聚合算法

通过迭代得到各个节点测量数据的无偏估计值，求取各个传感器节点的测量数据值与估计值之间的欧式距离，以归一化的欧式距离作为自适应加权融和的权值；选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据；

某个簇中有个传感器节点，用维列向量D＝(d₁,d₂,…,d_n)表示相应节点的测量值，通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小，其中l_i的计算公式为：