[发明专利]基于NHPP的消化内科电子数据分析方法

权利要求书

1.一种基于NHPP的消化内科电子分析方法，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；

根据所述NHPP类疾病分析可靠性增长模型，进行肠癌判断可靠性分析；

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；

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；

所述构建NHPP类计算结果可靠性增长模型框架包括：

基于所述非齐次泊松过程的概率分布公式，设定：

B1：到时间t的累计分析错误次数N(t)服从均值函数为m(t)的泊松过程，任意时间间隔t到t+Δt内期望的分析错误发生数与t时刻剩余的分析错误数成比例；

B2：疾病错诊数量在不同环境、不同时刻是不相同的，疾病分析错误总数是随时间变化的；

B3：相同错诊情况在不同时间段都有可能发生，错诊重复率是时间的函数；

B4：病例中每个分析错误是相互独立的，每个分析错误导致的后果严重性不同；

由假设B1：有B5，B5：m(t+Δt)＝b(a(t)-x(t))Δt+o(Δt)

(a(t)-x(t))表示到时刻t为止，被检测到且不属于重复错诊的分析错误次数从而可以得到微分方程B6：

由假设B3有B7，B7：

由方程B6、方程B7可得B8，B8：

表示x(t)对t进行求导，后面也是同样含义；

方程B6、方程B7的初始条件为B9、B10，B9：m(0)＝0，B10：x(0)＝0；

由公式B8、公式B10可得B11，

B11：

exp是指数的含义，t，u都是表示时间的不同符号，dt、du都是求积分；

从而由公式B6、公式B9可解得模型的累计分析错误均值函数为B12：

由于到时刻t为止的累计分析错误次数N(t)服从均值m(t)的非齐次泊松分布，所以B13：

根据非齐次泊松分布的性质，可靠度函数为B14：

R(x|t)＝1-P{N(t+x)-N(t)＝0}＝1-exp[-(m(t+x)-m(t))]；

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；

所述根据所述NHPP类疾病分析可靠性增长模型，进行肠癌判断可靠性分析包括：

使用线性可分支持向量机学习算法，即最大间隔法来训练支持向量机SVM模型以寻找最优的分隔超平面，将特征空间划分为两部分，一部分是正类，一部分是负类，从而将数据集进行分类；

得出超平面之后还包括：

对每个样本点(x_i，y_i)引进一个松弛变量ξ_i≥0，使得函数间隔加上松弛变量大于等于1；同时，对每一个松弛变量ξ_i，支付一个代价函数Cξ_i，目标函数也由原来的变为：N取值范围为所有非负整数的集合；

其中，C0称为惩罚参数，

将C的取值问题与疾病可靠度问题相结合，C的取值即疾病可靠度函数在每一时间段的计算结果，目标函数变为：疾病分析可靠度大时对疾病误分类的惩罚增大，可靠度小时对疾病的误分类惩罚减小，此时，将NHPP类疾病分析可靠性增长模型应用于基本SVM模型的优化方法中去，训练出符合要求的多粒度肠镜检查报告分析模型。