[发明专利]病历数据的分类方法及系统

说明书

本发明实施例提供了一种病历数据的分类方法及系统，对原始的病历数据进行预处理，得出能够与分类器匹配的数据集；然后，将特征选择后的数据集随机分为指定数量个大小相同的数据块，将各数据块分为训练集和测试集后，分别输入到对应的分类器中；随后，基于TPE算法，对全部分类器通过加权投票表决的方式进行预测，在运行指定次数的TPE算法后，选择验证误差最小时的分类器数量为最优分类器数量；最后，将最优分类器数量输入至深度级联森林模型中，深度级联森林模型进行逐次运行直至满足预设精度，获得病历数据的最优分类结果。本发明实施例的技术方案对数据量的要求不高，且易于训练，还具有适应性强的优点。

技术领域

本发明涉及计算机技术领域，尤其涉及一种病历数据的分类方法及系统。

背景技术

病历数据通常是一个较为复杂的数据集合，鉴于患者生理参数和疾病症状的复杂性，以及医院医生之间经验的差异性，病历数据分类的准确率往往不是很高。随着科技的发展，机器学习方法在医学数据的处理中扮演着越来越重要的角色。如果能够快速提供一种CAD(Computer Aided Diagnosis，计算机辅助诊断)应用，可以对疾病的病历数据进行学习与分类，可以在一定程度上改善疾病的分类和预测的准确性。

发明内容

有鉴于此，本发明实施例提供了一种病历数据的分类方法及系统。

第一方面，本发明实施例提供了一种病历数据的分类方法，包括：

对原始的病历数据进行预处理，得出能够与分类器匹配的数据集；

将特征选择后的所述数据集随机分为指定数量个大小相同的数据块，将各所述数据块分为训练集和测试集后，分别输入到对应的分类器中；

基于TPE算法，对全部分类器通过加权投票表决的方式进行预测，在运行指定次数的TPE算法后，选择验证误差最小时的分类器数量为最优分类器数量；

将所述最优分类器数量输入至深度级联森林模型中，深度级联森林模型进行逐次运行直至满足预设精度，获得病历数据的最优分类结果。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述数据集的特征选择，具体包括：

通过XGBoost模型获得数据集的各特征的特征权重，选取符合预设特征权重条件的特征。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，将特征选择后的所述数据集随机分为指定数量个大小相同的数据块，将各所述数据块分为训练集和测试集后，分别输入到对应的分类器中，具体包括：

通过k-fold交叉验证将特征选择后的所述数据集随机分为k个大小相同的数据块，其中k-1个数据块作为训练集，其余数据块作为测试集，分别输入到对应的分类器中。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，基于TPE算法，对全部分类器通过加权投票表决的方式进行预测，在运行指定次数的TPE算法后，选择验证误差最小时的分类器数量为最优分类器数量，具体包括：

基于TPE算法，对全部分类器通过加权投票表决的方式进行预测，其中，分类器i的投票权重n_i为分类器i的数量，m为分类器的种类总数，运行TPE算法k次，通过k次交叉验证选择验证误差最小时的分类器数量为最优分类器数量。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述分类器包括：RF分类器、ET分类器、AdaBoost分类器和GBDT分类器。

第二方面，本发明实施例提供了一种病历数据的分类系统，包括：

预处理模块，用于对原始的病历数据进行预处理，得出能够与分类器匹配的数据集；