[发明专利]一种基于混合模型的疾病危险因素重要性分析方法

说明书

本发明公开一种基于混合模型的疾病危险因素重要性分析方法，应用于数据处理领域，针对现有的疾病危险因素分析方法可靠性较低的问题，本发明首先使用聚类算法划分初始危险因素，然后通过神经网络与ReliefF算法结合的混合模型分别分析危险因素类权重和类内危险因素权重，并进行权值融合获得危险因素的全局权重，最后使用逐级分类方法分析危险因素的有效性，并对危险因素之间的联合作用进行分析，提升方法的可靠性。

技术领域

本发明属于数据处理领域，特别涉及一种疾病危险因素数据处理技术。

背景技术

疾病危险因素分析或相关因素研究是医学研究人员关注的重要领域，借助危险因素信息可以为疾病防治策略的制定提供可靠依据。目前，线性回归、逻辑回归、泊松回归和考克斯回归等回归模型是研究人员常用的分析工具，在疾病与危险因素之间的相关性分析中发挥着重要作用。随着医疗数据维度和数量的快速增长，高效可靠的数据挖掘技术越来越受到关注。机器学习，特别是神经网络的逐渐成熟，促进了医疗大数据分析的快速发展，可以有效提高分析效率和可靠性。

中国专利“CN108735296A基于Hidden Markov Model的2型糖尿病危险因素分析方法”提供了一种基于Hidden Markov Model的2型糖尿病危险因素分析方法，首先构建初始模型，根据经验、专业知识和研究目的，产生K个不同观察值的观察序列，并指定模型的初始参数；然后使用训练样本集合对模型进行拟合，最后采用总体样本分组重新训练模型参数，对模型的拟合结果进行评价。

目前有许多基于数据挖掘和机器学习的危险因素分析方法，但这些方法一次性考虑所有危险因素，随着医疗数据维度的增加，计算效率大幅降低。具体来说，现有技术存在的问题是：

(1)现有技术面对高维度大量数据的情形，算法运行占用空间大，计算时间长，效率低，无法适应真实的医疗大数据环境。

(2)目前的危险因素分析方法仅获得疾病相关的危险因素，未能分析危险因素的重要性权重，获取的危险因素信息较少。

此外，生活中一些疾病病理复杂，某些危险因素的单独作用重要性较低，但与其他危险因素具有联合作用，容易被忽视，影响医生的决策，同时，降低了模型或算法的可靠性。

发明内容

为解决上述技术问题，本发明提出一种基于混合模型的疾病危险因素重要性分析方法，通过聚类算法划分初始危险因素，结合神经网络与ReliefF算法计算危险因素的权重，分析疾病危险因素的重要性，此外，对危险因素的联合作用进行分析，增强分析的可靠性。

本发明采用的技术方案为：一种基于混合模型的疾病危险因素重要性分析方法，包括：

S1、通过电子病历获取危险因素数据，构建二维矩阵数据集，并针对缺失数据采用统计插值法补齐；

S2、对经步骤S1处理得到的数据集采用模糊C均值聚类算法进行聚类，得到危险因素的划分类别；

S3、采用神经网络与ReliefF算法结合的混合模型分别分析各类危险因素类权重和类内权重；

S4、通过权重融合，得到各初始危险因素的全局权重；

S5、按照全局权值递减获得危险因素重要度递减的危险因素集合；

S6、采用逐级分类法分析危险因素集合中的危险因素的有效性。

步骤S1所述针对缺失数据采用统计插值法补齐，具体为：对于离散特征使用样本中出现频次最高的特征值将空缺值补齐，对于连续特征使用样本总体的平均值将空缺值补齐；当某危险因素缺失值占比超过总体样本的十分之一时，将该危险因素删除。

步骤S2采用DBI指标确定聚类的最佳类数。

步骤S3具体为：