[发明专利]一种基于决策树的药敏实验结果识别方法与系统

权利要求书

1.一种基于决策树的药敏实验结果识别方法，其特征在于，包括下述步骤：

采集药敏实验结果数据，将药敏实验结果数据转化为决策树分类器的训练数据集；

构建决策树分类器，训练决策树分类器；

所述构建决策树分类器，采用CART算法构建决策树分类器，具体步骤包括：

计算特征阳性对照OD值、阴性对照OD值、微孔本身OD值对训练数据集的Gini系数值，公式为

其中，K＝2，p_k表示样本点属于第k类的概率，D表示训练数据集；

将训练集中的每一个特征A的连续特征值离散化，取相邻两点的平均值为切分点a，每个切分点a将连续数值离散划分成两类，大于切分点的为第一类，小于切分点的为第二类，将节点数据集按照切分点分为D1和D2子集，计算每个切分点下对应的基尼指数，具体计算公式为：

在所有可能的特征A以及所有可能的切分点a中，选择Gini系数最小的特征及其对应的切分点作为最优特征与最优切分点；

根据最优特征与最优切分点，从当前结点生成两个子结点，将训练数据集依照特征分配到两个子结点中；

对两个子结点进行递归计算，直到满足预设条件停止，得到CART决策树分类器；

训练后的决策树分类器判别药敏板微孔的阴阳性分类结果；

根据所述药敏板微孔的阴阳性分类结果以及微孔的药物布局信息计算MIC；

根据所述药敏板微孔的阴阳性分类结果以及微孔的药物布局信息计算MIC，具体步骤包括：

遍历药敏板微孔的阴阳性分类结果，获取任意一种药物的识别结果集合dataList，判断dataList的大小是否为1，如果为1，则判断药物是否阴性对照或阳性对照，如果是阴性对照或阳性对照则进行阴性对照或阳性对照的检测计算，如果不是阴性对照或阳性对照则进行单个药物的检测计算；

如果dataList的大小不为1，则进行药物集合的检测计算，检测完成后返回判断遍历是否结束，如果还未结束则继续进行药物检测计算，否则，则返回检测计算后的结果集合；

所述药物集合的检测计算的步骤包括：判断是否出现从1变为0的序列，若有出现，则表示有实验操作不当或有污染，出现跳孔的现象；若没有出现，则判断序列是否全部为0，若全部为0，表示MIC值小于最小浓度值，若不全部为0，则MIC值为最后出现的0对应的微孔所表示的浓度；

所述阴性或阳性对照的检测计算的步骤包括：判断是否为阴性对照，如果为阴性对照，则判断其识别结果是否为0，如果为0则阴性对照结果正常，如果不为0则阴性对照有污染，如果不为阴性对照则判断其识别结果是否为0，如果为0则阳性对照结果有误，如果不为0则阳性对照结果正常；

所述单个药物的检测计算的步骤包括：判断药物识别结果是否为1，如果为1则MIC值为所述药物的浓度值，如果不为0则所述药物没有MIC值；

根据MIC结果和折点值标准判断耐药结果。

2.根据权利要求1所述的基于决策树的药敏实验结果识别方法，其特征在于，还包括校正步骤，验证并校正阴阳性分类结果，并将校正后的阴阳性分类结果作为更新训练数据，优化决策树分类器。

3.根据权利要求1所述的基于决策树的药敏实验结果识别方法，其特征在于，所述采集药敏实验结果数据，具体步骤包括：

将药敏板上的每个微孔标注分类标签，采用酶标仪测试同一批药敏板，得到药敏板微孔对应的OD值数据、药物名称和药物浓度数据。

4.根据权利要求1所述的基于决策树的药敏实验结果识别方法，其特征在于，所述将药敏实验结果数据转化为决策树分类器的训练数据集，具体步骤包括：

提取每个药敏板上阴性对照孔和阳性对照孔对应的OD值，并与其它孔对应的OD值组合成一个三维数组，将除去阴阳性对照孔的标签转为一维数组作为分类结果，三维数组和一维数组组成了训练分类器的训练集数据D。

5.根据权利要求1所述的基于决策树的药敏实验结果识别方法，其特征在于，所述根据MIC结果和折点值标准判断耐药结果，所述耐药结果包括耐药、敏感和中介，将每个药物测得的MIC值与在折点值标准数据表查找到对应的折点进行比较，大于该折点则耐药结果为耐药，小于该折点则耐药结果为敏感，否则耐药结果为中介。