[发明专利]一种基于朴素贝叶斯的医疗影像疾病分类方法

说明书

技术领域

本发明涉及医疗影像疾病分类领域，具体涉及一种基于朴素贝叶斯的医疗影像疾病分类方法。

背景技术

随着数字化医院的建设，大型医院长年积累了海量的医疗文本信息，面对这浩如烟海的文本数据，如何快速检索发现有用的信息、多角度利用这些文本和有效的对这些信息进行归类整理，进而挖掘出隐含的、有用的医疗知识和经验便显得尤为迫切。因此研究自动分类、聚类技术来改进传统的数据库结构化查询有着十分重要的意义。

文本分类和聚类是文本信息处理领域的一个重要分支，其目标就是研究如何更有效地组织和管理文本信息，并快速、准确、全面地从中找到、分流、定位和形成用户所需要的信息。文本分类和聚类作为获取和组织大量文本数据的关键技术，可以在很大程度上解决信息杂乱和信息爆炸的问题。

聚类分析是按照一定的度量规则将数据集合进行划分，以此形成若干聚类簇。目的是使得在同一个簇中的数据或属性具有较大的相似程度，而不同簇之间相似程度低。K-Means聚类算法是一种基于划分的聚类算法，尝试找出使得平方误差函数值最小的K个划分，当簇与簇之间的特征区别比较明显时，并且结果簇是密集的，K-Means聚类结果的效果较好。K-Means聚类算法的优点主要集中在：算法快速、简单；对大数据集有较高的效率并且是可伸缩性的。

朴素贝叶斯分类作为一类基于概率统计知识的分类方法，可以与基于决策树和神经网络的分类方法相媲美，且该方法较简单、准确率高、分类过程中时间空间开销小，非常适合运用于医疗影像数据库等大型数据库中。

目前，对于医疗影像疾病的分类，主要采用RIS/PACS系统所提供的基本分类功能，但其并非自动分类，而需要影像科医生及时对医疗影像进行分类。由于缺乏合适的医疗影像检查结果自动分类技术，一方面给影像科医生增加了工作负担；另一方面，给医生科研检索带来诸多不便。为此，本发明结合基于朴素贝叶斯分类方法简单，准确率高，时间空间开销小等优点，提出一种基于朴素贝叶斯的医疗影像疾病自动分类方法。

发明内容

针对医疗影像检查报告不能被及时进行分类，从而对医生科研检索带来诸多不便的问题，利用朴素贝叶斯算法简单，高效，稳定性强且有较好的精确度等优点，本发明提出一种基于朴素贝叶斯的医疗影像疾病分类方法，以解决上述技术问题。

疾病自动分类具体内容：根据设备类型和诊断报告表中的影像所见、诊断结论等文本信息，自动判断影像检查结果所属的疾病类型。考虑到朴素贝叶斯分类的独立性假设在实际应用中的影响，本发明采用K-Means聚类算法进行疾病聚类分析，将相似程度高的数据划分到同一簇中，相似程度低的数据划分到不同簇中，同时确定疾病类别数量。

本发明方法具体是：

步骤1：首先利用机器学习方法，从医疗影像信息系统的数据报告表中提取10000数量的检查记录；使用K-Means聚类算法进行疾病聚类分析，确定十个疾病类别。K-Means聚类算法的目的是将一些数据矢量划分至类别数目已知的聚类中。

具体的说，K-Means聚类算法进行疾病聚类分析包括以下步骤：

1)从待分类数据记录X中任意选取K个数据记录作为初始簇类中心C＝{c₁,c₂,…,c_k}，令K=10；待分类数据记录X＝{a₁,a₂,…,a_n}，a_i表示待分类数据记录X的一个特征向量，X的维数是N维。

2)计算d(x_i,C_j),d为待分类数据记录x_i到类C_j的距离，并把具有最小值d(x_i,C_j)的数据点x_i划分到类C_j中，引进N维向量U_j作为类C_j的中心。

3)计算类C_j的中心点，通过计算类C_j中每个点的坐标平均值获得，即U_j。

4)如果每个数据记录X与它类中心点U_j的距离平方和最小，则符合条件，则停止该算法并返回最后结果C；否则将U_j(1≤j≤10)作为新的10个簇类中心，并返回1-2)。

通过K-Means聚类算法获得十个疾病类型后，借助国际疾病类型分类标准ICD-10将这十个类别进行疾病类型确定和编码。