[发明专利]基于发热伴皮疹的跨模态医学生物特征认知疾病的系统

权利要求书

1.一种基于发热伴皮疹的跨模态医学生物特征认知疾病的系统，其特征在于，所述系统包括：

预处理模块：用于获取多个患者发热伴皮疹的多模态医学生物样本并进行预处理；

特征提取模块：用于提取各个样本的特征信息并进行特征筛选和病因分类，根据病因构建样本数据集；

模型组建模块：用于利用AdaBoost算法分别对样本数据集进行训练，组建疾病认知系统模型；

病因分析模块：用于通过疾病认知系统模型对待识别的发热伴皮疹的多模态医学生物样本进行病因分析；

所述预处理模块中，所述发热伴皮疹的多模态医学生物样本包括至少两个模态的数据：发热分度与热型信息、皮疹症状文本信息，发热分度与热型信息包括发热分度与发热的热型；

所述特征提取模块具体包括：

特征提取单元：基于TextRank算法对发热分度与热型信息、皮疹症状文本信息进行关键词提取，分别对病例样本和待诊断病例样本的特征信息进行向量化表示，采集并处理发热分度与热型信息以及皮疹症状文本信息对应的疾病和病因；

数据集制作单元：基于样本的特征信息，以病因为标签构建样本数据集，发热伴皮疹发病的病因分类包括病毒、细菌感染性疾病、变态反应性皮肤病、自身免疫性疾病、特殊性皮肤病和恶性肿瘤；

所述模型组建模块中，AdaBoost算法的基本分类器包括SVM分类器和KNN分类器，基于样本数据集训练多个基本分类器的SVM分类器和KNN分类器，SVM分类器和KNN分类器根据各自权重组合成弱分类器，最后根据多个弱分类器加权投票组合成一个强分类器作为疾病认知系统模型；

所述模型组建模块中，利用三维网格搜索法对SVM分类器及KNN分类器进行超参数调优，寻优过程如下：

设定网格搜索变量(C,g,k)的范围及搜索步距，其中C为SVM分类器的惩罚因子，g为SVM分类器的的高斯核函数，k为KNN分类器的超参数，k表示选取距离某一样本最近的k个样本，取这k个样本出现最多的类别作为预测的此类类别；

采用K-CV交叉验证方式对各训练集进行训练测试，其中K值设定为5，得到使弱分类准确率最高的局部最优参数，最后根据得到的最优局部参数，选择临近搜索区间进行二次寻优，直到找到最优全局参数；

所述利用三维网格搜索法对SVM分类器及KNN分类器进行超参数调优的优化目标为：

；

其中，w₁、w₂分别为SVM分类器、KNN分类器的权重，f(x_i)为SVM分类器对样本x_i的分类结果，A、B为对SVM分类器分类的结果作为新的训练集，用logistics回归再训练得到的拟合参数；N_k(x)为KNN算法中样本x_i最近邻的k训练实例点构成集合，y_i为KNN分类器的输出类别，c_j为涵盖N_k(x)的区域的类别，表示样本x_i分类正确的概率。

2.根据权利要求1所述基于发热伴皮疹的跨模态医学生物特征认知疾病的系统，其特征在于，所述系统还包括方案解决模块，用于基于病因分析模块的分析结果，提供与发热伴皮疹的病因相对应的解决方案。