[发明专利]消化内科电子数据分析方法

权利要求书

1.一种消化内科电子数据分析方法，其特征在于，包括：

获取肠镜检查结果及病理检查结论，并将所述肠镜检查结果和所述病理检查结论进行比较，得出肠癌分析结果；

针对所述肠癌分析结果统计特征，构建非齐次泊松过程NHPP类疾病分析可靠性增长模型；

训练支持向量机SVM模型，以模型准确率为评估指标，将所述NHPP类疾病分析可靠性增长模型在每一时间的可靠性结果作为惩罚因子，联合损失函数一起优化SVM模型，进行肠癌判断。

2.根据权利要求1所述的方法，其特征在于，所述获取肠镜检查结果及病理检查结论，并将所述肠镜检查结果和所述病理检查结论进行比较，得出肠癌分析结果包括：

从同一个病患的肠镜检查报告和病理检查报告中提取特征信息，依据相应特征信息进行报告拼接整合；在对数据进行整合的过程中，以病理检查结果为准；其中，所述提取特征信息包括：文本型特征的提取、时间特征的提取和病人基本信息特征的提取；

将所述文本型特征集成起来构建特征空间，从病理检查报告中提出相应疾病类别的描述词作为标签，构造输出空间，为特征空间各个特征的属性取值以及输出空间设定数值编码规则，通过设定好的数值编码规则，对整合后的报告数据进行数值化表示，使其成为计算机和算法模型可识别和学习的数值型数据；

在对数据进行数值化表示后，以病理检查结论为最终结论，将肠镜检查结论和病理检查结论进行比较，以月为时间划分维度，统计出肠癌每个月的分析结果。

3.根据权利要求2所述的方法，其特征在于，

所述文本型特征的提取包括：对肠镜检查文本数据所做的文本处理称为医疗语言处理，这一过程中主要完成对肠镜检查文本数据的分词、噪声消除，并提取特定病症的阳性描述作为特征信息；

所述时间特征的提取包括：检查日期在检查报告中是区间编码划分的字符串型数据，包括年月日，从中抽取月作为时间特征；

所述病人基本信息特征的提取包括：提取的特征包括性别、年龄、职业。

4.根据权利要求1所述的方法，其特征在于，所述针对所述肠癌分析结果统计特征，构建非齐次泊松过程NHPP类疾病分析可靠性增长模型包括：

设置非齐次泊松过程NHPP；

构建NHPP类计算结果可靠性增长模型框架；

构建符合实际情况的NHPP类疾病可靠性增长模型；

对符合实际情况的NHPP类疾病可靠性增长模型中的参数估计。

5.根据权利要求4所述的方法，其特征在于，所述设置非齐次泊松过程NHPP包括：

设置一随机的计数过程{N(t)，t≥0}满足A1至A4：N代表一个计数过程，可以表示数量的多少，t表示时间；

A1：N(0)＝0；

A2：{N(t)，t≥0}是一个独立的增量过程；

A3：P{[N(t+Δt)-N(t)]＝1}＝λ(t)Δt+o(Δt)；

λ(t)表示非齐次泊松过程的强度函数，Δt表示一个时间间隔，o(Δt)表示Δt的高阶无穷小函数；

A4：P{N(t)-N(s)≥2}＝o(Δt)；

则称{N(t)，t≥0}为具有强度λ(t)的非齐次泊松过程，当λ(t)＝λ时，非齐次泊松过程就是普通的齐次泊松过程；

非齐次泊松过程的概率分布公式如下所示：

S表示下一个时间，与t含义相同；

N(t)：在[0，t]时间段内发现的累计分析错误次数；

m(t)：[0，t]时间段内累计分析错误次数的期望值，m(t)＝E[N(t)]；

x(t)：到时刻t为止，被检测到且属于重复错诊的分析错误次数；

a(t)：疾病错诊总数函数，表示到时刻t为止，病例中统计到的分析错误次数总和；

a₀：统计开始时病例中存在的计算错误次数；

b：计算错误率，表示病例中每个错误被统计到的概率；

p(t)：错误重复率函数，表示在时刻t，每个被检测到的错误属于重复出现的概率；

R(x|t)：疾病可靠性函数，表示从时刻t开始到t+x时间段内，疾病分析的可靠性。