[发明专利]一种基于最大关联和风险偏差的不规则形状时空扫描聚类方法

权利要求书

1.一种基于最大关联和风险偏差的不规则形状时空扫描聚类方法，其特征在于：

Step1、确定研究区域S；

Step2、获取监控区域S内的病例数C及各病例的发病地点及人口数P；

Step3、根据区域S内各子区域的位置坐标和交通路线图，构建区域S的图形结构；

Step4、根据最大关联算法，从区域S中检测确定扫描窗口形状并搜索潜在聚集区域M；

Step5、计算聚集区域M的真实相对风险值R和相对风险估计值从而得到相对风险偏B；相对风险估计值越接近1，则有证据显示在研究区域A中无聚集现象；

Step6、根据相对风险偏差B的值，判断所估计的相对风险是否可靠，B的值越趋近于1，风险评估可信度越高。

2.根据权利要求1所述的基于最大关联和风险偏差的不规则形状时空扫描聚类方法，其特征在于：所述Step3中，研究区域S内各子区域i的位置坐标为村i或区i的空间中心点经纬度(x_i,y_i)；子区域i依据交通路线图至少与另外任意子区域j和k相连接，即存在地理相邻结构；从而依据地理相邻结构构建该区的图形结构。

3.根据权利要求1所述的基于最大关联和风险偏差的不规则形状时空扫描聚类方法，其特征在于：所述Step4中，使用最大关联算法确定扫描窗口形状并搜索潜在聚集区域，其中最大关联算法的具体实施步骤是：

步骤S1、选取任意一个子区域i作为当前聚集区域，i∈S；

步骤S2、使用Step3构建的图形结构，根据与当前集群i的连接数整理当前集群i的邻居；

步骤S3、将与当前聚集区域i有最大连接数的邻近子区域j或k整合当前聚集区i；

步骤S4、重复步骤S2到S3直到该聚集区域M_i达到预先设定好最大参数尺寸；

步骤S5、重复步骤S1到S4，直到研究区域S内每一个子区域都被作为起始聚集；

步骤S6、通过步骤S1到S5，根据潜在聚集区域M_i确定扫描窗口的形状，利用扫描窗口内外的实际发病数和理论发病数构造检验统计量：似然比Likelihood Ratio，简称LR，利用LR来评价扫描窗口内发病数的异常程度，从中确定聚集区域M。

4.根据权利要求3所述的基于最大关联和风险偏差的不规则形状时空扫描聚类方法，其特征在于：所述的步骤S6中，具体建模过程如下：

令C_M为扫描窗口M_i中的实际发病数，P_M为扫描窗口M_i中人口数，令E_M为根据无效假设得到扫描窗口M_i中预期发病数，C为区域S内的总病例数，总人口数为P，预期发病数E_S为:

E_S＝∑E_M (2)

其中，L_M为扫描窗口M_i的似然函数值，L₀为基于无效假设下得到似然函数值。

5.根据权利要求3所述的基于最大关联和风险偏差的不规则形状时空扫描聚类方法，其特征在于：所述步骤S6中，将时空扫描统计量T定义为所有可能扫描窗口M_i中最大的似然比：

找出发病数异常程度最高的窗口M，确定聚集区域M。

6.根据权利要求1所述的基于最大关联和风险偏差的不规则形状时空扫描聚类方法，其特征在于：所述Step5中，真实相对风险值R和相对风险估计值的公式为：

其中，W_M为区域M的风险值和W_S/M为研究区域S内除M区外的风险值；C为研究区域S内的总病例数，C_M为区域M内的病例数，E_M为区域M内的预期病例数，E_S为研究区域S内病例数期望值。