[发明专利]一种计算机辅助医疗数据处理系统及方法

权利要求书

1.一种计算机辅助医疗数据处理方法，其特征在于，所述计算机辅助医疗数据处理方法包括以下步骤：

第一步，对病人的数据信息进行录入系统，计算机通过无线信号收发器将病人的信息传递到云服务器中进行储存共享；

第二步，对病人的数据信息进行分类储存在储存器中，及时的对病人的信息进行更新；

第三步，当临床医生对病人的数据信息进行查询的时候，通过输入病人的名字或证件对病人信息进行验证，查询到病人的信息，进行相关的诊断治疗；

第四步，病人的相关数据信息通过显示器显示，供临床医生查看。

2.如权利要求1所述的计算机辅助医疗数据处理方法，其特征在于，对病人的相关信息进行分类储存，采用改进的不均衡数据据SVM算法，包括以下步骤：

步骤一，设置预取样的多数类样本点个数MajorN＝m*MinorN，m为两者数量上的比例；

步骤二，首先利用多数类样本集合建立一个基于高斯核的相似矩阵S∈R^n×n，n是原有多数类样本的个数；

步骤三，利用上述的谱聚类算法对多数类样本进行聚类分析，生成聚类A₁，…，A_k，k＝MajorN；

步骤四，选择每一个聚类中具有代表性的样本点，其中在每一个聚类中的样本选择数取决于该聚类的大小以及该聚类中的样本与少数类样本点的平均距离的大小，聚类越大，选择的样本数越多；离少数类样本越近则选择的越少；

KDist_il＝K(x_i，x_i)+K(x_l，x_l)-2K(x_i，x_l)；

其中Ksize_i为聚类A_i的大小，IDist_i为聚类A_i到少数类的平均距离，是每一个聚类中选择的样本个数；

步骤五，对于每一个聚类，选择前个离少数类样本点平均距离最小的样本组合后形成新的多数类训练样本子集；

步骤六，将取样得到的多数类训练样本子集和全部的少数类样本组合作为新的训练样本，输入到SVM算法中进行训练学习,其中核参数与相似矩阵S的核参数相同，即谱聚类和SVM分类算法都在一个空间中进行；

步骤七，根据训练得到的分类界面进行新样本的类别辨识。