[发明专利]一种对医疗影像检查量预测的混合优化方法

说明书

技术领域

本发明属于数据挖掘技术领域，涉及一种医疗影像检查量预测优化的方法。

背景技术

随着医院信息化的发展，许多医院相继建立了专业的医疗影像信息系统，在多年的使用中积累了大量的业务数据。人们可以利用其中的患者、检查等历史数据进行检查量的预测，以便提前规划决策。

目前，已有学者对医疗影像检查量预测采用灰色GM(1,1)进行研究，灰色预测模型因不需要考虑复杂因素影响，所需原始数据少，预测精度高，操作简便等特点，很适用于检查量的预测研究。但该预测方法仍不能很好地的应对实际中出现的问题。还存在以下几点不足之处：

(1)如果数据离散程度很大，预测精度、拟合度会不高；

(2)灰色预测不适合对数据波动性较大的数据序列进行预测；

(3)灰色预测对于短期预测效果比较好，但对于长期预测存在问题。

发明内容

本发明拟解决预测精度不高，降低数据波动带来的不稳定影响。

本发明为了克服灰色预测方法中的不足之处，在灰色GM(1,1)预测模型的基础之上，使用马尔可夫链来形成灰色-马尔可夫模型，运用马尔可夫链模型能很好的解决灰色模型对于医疗影像数据波动大预测不准的缺点；同时运用蒙特卡洛模型预测所需要的医疗影像数据值，最后根据这两种模型所预测的医疗影像数据来做最后的混合预测，从而达到需要的优化预测要求。

本发明主要通过以下几个步骤来实现：

步骤A：灰色-马尔可夫链模型的建立。建立该模型需要按几个步骤来实现，具体的细分为：

(1)在建立灰色-马尔可夫链模型之前，为了保证灰色GM(1,1)模型的预测精度，需要通过级比检验来判定原始医疗影像数据是否适合GM(1,1)建模。该步骤主要是要求医疗影像原始数据必须在级比范围内，对于级比检验合格的序列，可以直接用于GM(1,1)模型的构建；而对于级比检验不合格的序列，可以通过对数变换、平移变换等预处理方式来提高医疗影像原始数据序列的光滑度，然后对处理后的医疗影像数据序列进行GM(1,1)建模，建模完成后再对预测曲线进行逆变换即可。

(2)建立灰色GM(1,1)模型。对于给定的医疗影像原始数据序列设为X⁽⁰⁾(t)＝(X⁽⁰⁾(1),X⁽⁰⁾(2),X⁽⁰⁾(3),......,X⁽⁰⁾(n))(t＝1,2,......,n)，运用灰色系统理论，建立GM(1,1)模型为

X(1)(t+1)=[X(0)(1)-ba]e-at+b/a---(1)]]>

X⁽⁰⁾(t+1)＝X⁽¹⁾(t+1)-X⁽¹⁾(t)＝(1-e^a)[X⁽¹⁾(1)-b/a]e^-at   (2)

式中a为常系数，b为对系统的定常输入。X⁽⁰⁾(t+1)曲线即为灰色GM(1,1)对医疗影像数据的预测曲线。

(3)在灰色模型的基础上建立马尔可夫链模型。该模型主要包括三个步骤，依次为状态的划分，计算转移概率并建立转移概率矩阵，预测状态转移，最后计算出灰色-马尔可夫链模型对医疗影像检查量的预测值。