[发明专利]一种基于医疗数据建模的坏死性小肠结肠炎分类预测方法

摘要

本发明提供一种基于医疗数据建模的坏死性小肠结肠炎分类预测方法，其包括以下步骤:数据样本选择、特征筛选、重要特征选择、模型建立，预测结果打分。本发明将坏死性小肠结肠炎相关数据进行系统的分析、建模，并给出模型预测的评价方法，通过该模型能够基于坏死性小肠结肠炎数据，对病人坏死性小肠结肠炎进行有效的辅助诊断，使在发病前期进行有效的的预防干预和治疗，为达到最佳治疗效果提供依据。

主权项

一种基于医疗数据建模的坏死性小肠结肠炎分类预测方法，其特征在于：其包括以下步骤：步骤１：数据样本选择；从数据集中抽取可供建模的有效数据；步骤２：特征筛选；从数据集中初步筛除方差较小特征，筛除相关性较大特征；步骤３：重要特征选取；按以下步骤进行：（3.1）利用随机森林方法计算特征集合中的每一个特征的特征重要性得分；（3.2）结合序列后向选择算法：从数据集对应全部特征集合s开始，使用SVM分类算法计算该集合对应数据的AUC值，每次从特征集合s中，去掉特征重要性得分最低的特征，计算特征集合对应数据AUC值，重复该过程，直至特征集合s中没有特征，选择出具有最佳表现的特征集合作为最优的特征子集optimalset；步骤４：坏死性肠结炎分类模型构建与评价，其步骤如下：（4.1）使用随机划分的方式，将optimalset对应数据集optimaldataset分割为训练集Xtrain和测试集Xtest；（4.2）使用SVM回归方法在训练集上拟合Xtrain数据集，使用径向基核作为核函数，建模过程使用十折交叉验证选取模型参数；（4.3）使用训练出的回归模型对Xtest中数据进行预测，计算出的预测值为坏死性肠结肠炎分类得分；步骤5：坏死性肠结肠炎分类结果的概率化打分：（5.1）将最优数据集optimaldataset划分为训练集、测试集、验证集三部分；(5.2) 使用训练集结合SVM回归方法建立坏死性肠结肠炎分类模型，使用测试集计算不同概率化打分对应阈值，预测验证集的概率化打分；(5.3)结合验证集概率化打分，假设概率化得分80分以上病人为坏死性肠结肠炎需要手术概率较大人群，基于80分为阈值，验证模型表现。