[发明专利]二阶段混合模型的智能辅助医疗决策支持方法

摘要

一种二阶段混合模型的智能辅助医疗决策支持方法，包括下列主要步骤基于减聚类方法，对真实的医疗样本数据信息进行加权预处理，将非线性不可分的特征空间转化为可分的线性数据特征空间；基于高效的极限学习机模型，利用预处理得到的加权特征数据，通过数据自学习构建医疗决策支持模型；基于构建的学习模型，采用真实的医疗数据，对研究对象进行分类预测，从而实现为目标用户提供可靠高效的辅助预测支持，主要优点(1)方法简单，易于实现，并且能产生准确度很高的预测结果；(2)该方法涉及的参数较少，且参数影响较小，即需要人为干预较少，便于操作；(3)该方法计算速度极快，效率高。

主权项

一种基于二阶段混合模型的智能辅助医疗决策支持方法，其特征在于，包括如下步骤：S1，基于减聚类方法，对真实的医疗样本数据信息进行加权预处理，将非线性不可分的特征空间转化为可分的线性数据特征空间，按照如下方法进行数据的加权预处理：将医疗数据用矩阵形式表示，设M(m,n)为矩阵数据，其中m表示样本数目，n表示特征；首先，用减聚类算法计算各簇中心值cluster_center和每个特征的平均值mean；其次，按如下公式计算矩阵数据中每一个特征的比值：ratios(i,j)＝mean(sj)/cluster_centerj；其中，cluster_centerj为第j个簇中心值，mean(sj)为第sj个特征的平均值；最后，按照如下方法矩阵中的每个数据特征进行加权化处理：weighted_features(i,j)＝M(m,n)*ratios(i,j)；S2，基于高效的极限学习机模型，利用预处理得到的加权特征数据，通过数据自学习构建医疗决策支持模型；S3，基于S2构建的模型，采用开源的数据，对研究对象进行分类预测，从而实现为目标用户提供可靠高效的辅助预测支持。