[发明专利]一种基于集成学习的眩晕诊断装置及系统

权利要求书

1.一种基于集成学习的眩晕诊断装置，其特征在于，所述基于集成学习的眩晕诊断装置包括：

眩晕信息获取模块，用于获取目标患者的眩晕信息；

诊断模型获取模块，用于获取一基于集成学习的眩晕诊断模型；

眩晕诊断模块，与所述眩晕信息获取模块和所述诊断模型获取模块相连，用于利用所述眩晕诊断模型对所述目标患者的眩晕信息进行处理，以获取目标患者的诊断结果；

其中，所述眩晕诊断模型由一诊断模型构建模块生成，所述诊断模型构建模块包括：

训练数据获取单元，用于获取训练数据；

模型训练单元，与所述训练数据获取单元相连，用于根据所述训练数据对一个或多个集成学习模型进行训练，以获取最优集成学习模型；

概率校准单元，与所述模型训练单元相连，用于对所述最优集成学习模型进行概率校准，以获取所述眩晕诊断模型；

所述概率校准单元包括：

预测区间划分子单元，用于将所述训练数据的取值范围划分成若干个预测区间；

实际比率获取子单元，与所述预测区间划分子单元相连，用于获取各预测区间内患者的实际平均患病比率；

预测概率获取子单元，与所述预测区间划分子单元和所述模型训练单元相连，用于根据所述最优集成学习模型获取各预测区间内患者的预测患病概率；

回归拟合子单元，与所述实际比率获取子单元和所述预测概率获取子单元相连，用于采用Sigmoid函数对所述实际平均患病比率和所述预测患病概率进行拟合，以获取一Sigmoid校准模型；

诊断模型生成子单元，与所述模型训练单元和所述回归拟合子单元相连，用于根据所述最优集成学习模型和所述Sigmoid校准模型获取所述眩晕诊断模型。

2.根据权利要求1所述基于集成学习的眩晕诊断装置，其特征在于，所述训练数据获取单元包括：

数据获取子单元，用于获取一个或多个患者的历史诊断数据；

特征提取子单元，与所述数据获取子单元相连，用于对所述一个或多个患者的历史诊断数据进行变量重编码，以获取所述历史诊断数据的特征数据；所述特征数据即为所述训练数据。

3.根据权利要求2所述基于集成学习的眩晕诊断装置，其特征在于，所述集成学习模型为一基于直方图算法的梯度提升模型；所述诊断模型构建模块还包括一集成学习模型生成单元，用于生成所述基于直方图算法的梯度提升模型。

4.根据权利要求3所述基于集成学习的眩晕诊断装置，其特征在于，所述集成学习模型生成单元包括：

数据分隔子单元，与所述特征提取子单元相连，用于采用直方图算法对所述特征数据进行分割，以获取多个离散箱；

第一生成子单元，与所述数据分隔子单元相连，用于根据所述多个离散箱生成多个弱分类器；

第二生成子单元，与所述第一生成子单元相连，用于将所述多个弱分类器进行集成以获取一强分类器，所述强分类器即为所述集成学习模型。

5.根据权利要求1所述基于集成学习的眩晕诊断装置，其特征在于，所述模型训练单元包括：

超参数获取子单元，用于获取至少两个备选超参数，并获取各备选超参数对应的平均预测准确度，进而从所述至少两个备选超参数中选取一最优超参数；

模型训练子单元，与所述训练数据获取单元和所述超参数获取子单元相连，用于根据所述最优超参数和所述训练数据对所述集成学习模型进行训练，以获取所述最优集成学习模型。

6.根据权利要求5所述基于集成学习的眩晕诊断装置，其特征在于：所述超参数获取子单元采用无放回抽取的方式从一超参数抽样空间内获取所述至少两个备选超参数。

7.根据权利要求5所述基于集成学习的眩晕诊断装置，其特征在于：

对于任一备选超参数，所述模型训练子单元采用有放回抽取的方式从所述训练数据中获取多组训练-验证集，并根据所述多组训练-验证集获取该备选超参数对应的平均预测准确度；

所述模型训练子单元根据各备选超参数对应的平均预测准确度获取所述最优集成学习模型。