[发明专利]数据处理装置及方法、计算机系统

权利要求书

1.一种数据处理装置，包括：

获取模块，用于获取表征被检体的脑部结构信息的M个原始特征数据，其中，所述M个原始特征数据是通过对所述被检体的脑部磁共振图像数据进行处理后得到的，所述M为大于或等于1的正整数；

筛选模块，用于从所述M个原始特征数据中筛选出N个目标特征数据，其中，所述N为小于或等于M的正整数；以及

处理模块，用于处理所述N个目标特征数据以确定所述被检体的分类结果；

其中，所述处理模块包括分类单元，所述分类单元是利用如下步骤训练得到的，包括：

获取训练样本集，其中，所述训练样本集至少包括多个具有分类信息的被检体对应的多个原始特征数据；

对所述训练样本集中多个具有分类信息的被检体对应的多个原始特征数据进行主成分分析，确定用于训练所述分类单元的多个训练特征；

利用所述多个训练特征对应的特征数据训练所述分类单元；

其中，利用所述多个训练特征对应的特征数据训练所述分类单元包括：

确定所述多个训练特征中的每个训练特征的分类权重；

基于所述多个训练特征生成特征集合，其中，所述特征集合中的每个训练特征具有确定的对应分类权重；以及

剔除所述特征集合中分类权重最小的训练特征，利用所述特征集合中剩余的训练特征对应的特征数据训练所述分类单元；

其中，利用所述特征集合中剩余的训练特征对应的特征数据训练所述分类单元包括：

确定所述分类单元的诊断参数；

响应于所述分类单元的诊断参数大于或等于阈值，输出所述训练后的分类单元；

所述诊断参数被计算为：

其中，Q表示诊断参数，sensitivity表示敏感性，specificity表示特异性，TP为正类的实例被预测为正类的比例或数量，FN为正类的实例被预测为负类的比例或数量，FP为负类的实例被预测为正类的比例或数量，TN为负类的实例被预测为负类的比例或数量；

其中，利用所述多个训练特征对应的特征数据训练所述分类单元包括：

依据所述特征集合中的训练特征的分类权重确定每次训练所述分类单元所采用的训练特征，得到每次训练所述分类单元所采用的训练特征集合；

确定每次训练后得到的分类单元的诊断参数，其中，每次训练后得到分类单元都具有对应的诊断参数；

比较每次训练后得到的分类单元的诊断参数，确定诊断参数最高的分类单元；以及/或者

输出训练所述诊断参数最高的分类单元时所采用的训练特征。

2.根据权利要求1所述的装置，其中，利用所述特征集合中剩余的训练特征对应的特征数据训练所述分类单元还包括：

响应于所述分类单元的诊断参数小于所述阈值，剔除所述特征集合剩余训练特征中分类权重最小的训练特征；以及

根据所述特征集合当前剩余的训练特征对应的特征数据再次训练所述分类单元。

3.根据权利要求2所述的装置，利用所述特征集合中剩余的训练特征对应的特征数据训练所述分类单元还包括：

响应于再次训练后的分类单元的诊断参数大于或等于所述阈值，输出再次训练得到的分类单元；以及

输出所述特征集合当前剩余的训练特征。

4.一种用于实现权利要求1所述的数据处理装置的计算机系统，包括：

处理器；以及

存储器，存储有计算机可读指令；其中，所述指令被所述处理器执行时使得所述处理器实现：

获取表征被检体的脑部结构信息的M个原始特征数据，其中，所述M个原始特征数据是通过对所述被检体的脑部磁共振图像数据进行处理后得到的，所述M为大于或等于1的正整数；

从所述M个原始特征数据中筛选出N个目标特征数据，其中，所述N为小于或等于M的正整数；以及

处理所述N个目标特征数据以确定所述被检体的分类结果。

5.一种基于权利要求1所述的数据处理装置的数据处理方法，包括：

获取表征被检体的脑部结构信息的M个原始特征数据，其中，所述M个原始特征数据是通过对所述被检体的脑部磁共振图像数据进行处理后得到的，所述M为大于或等于1的正整数；

从所述M个原始特征数据中筛选出N个目标特征数据，其中，所述N为小于或等于M的正整数；以及

处理所述N个目标特征数据以确定所述被检体的分类结果。