[发明专利]一种基于集成学习的眩晕诊断装置及系统

说明书

本发明提供一种基于集成学习的眩晕诊断装置及系统；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。在利用所述基于集成学习的眩晕诊断装置对目标患者进行诊断的过程中，基本无需人工参与，因此，对眩晕的诊断不受医务人员水平的限制且诊断过程简单。

技术领域

本发明属于计算机辅助诊断领域，涉及一种诊断装置，特别是涉及一种基于集成学习的眩晕诊断装置及系统。

背景技术

耳源性眩晕是耳鼻喉科的常见病之一，其发病率高、危害大，主要以旋转性眩晕为特征，涉及中枢神经系统、感觉系统、运动系统等多个器官和系统。耳源性眩晕常伴有耳部前庭器官的功能损害，即使及时使用正确的药物治疗，部分功能依然不会完全恢复，患者的平衡功能障碍，是影响眩晕患者生活质量的最大障碍。而科学的康复训练，可以极为有效的让患者通过功能代偿实现正常生活的完全恢复，是眩晕疾病后遗症状的极为有效的辅助治疗手段。

然而，发明人在实际应用中发现，临床上对耳源性眩晕的诊断往往需要影像学和神经电生理检查明确诊断，治疗往往需要联合耳鼻喉科、神经科、老年科、康复科、护理科等多个专科协作，治疗过程复杂且对医务人员的水平要求较高；尤其是对于基层医院来说，受到医疗水平和医疗设备的制约，基层医院很难对患者的耳源性眩晕进行合理的诊断。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于集成学习的眩晕诊断装置及系统，用于解决现有耳源性眩晕的治疗方案中，诊断过程复杂且对医务人员的水平要求较高的问题。

为实现上述目的及其他相关目的，本发明的第一方面提供一种基于集成学习的眩晕诊断装置及系统；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。

于所述第一方面的一实施例中，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。

于所述第一方面的一实施例中，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。

于所述第一方面的一实施例中，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。

于所述第一方面的一实施例中，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。