[发明专利]基于特权信息学习支持向量机的CAP数据系统及方法

说明书

本发明涉及一种基于特权信息学习支持向量机的CAP数据系统及方法，包括：依次连接的医疗数据处理模块、医疗数据特征生成与特权信息提取模块、病原分析模块；所述医疗数据处理模块，用于对大量CAP患儿的医疗数据进行筛选并进行统计分析；所述的医疗数据特征生成与特权信息提取模块，用于按照检测时间将检测项目区分为普通医疗数据特征与特权信息，生成医疗数据特征矩阵和特权信息矩阵，并输入病原分析模块；所述病原分析模块通过基于特权信息学习的SVM+算法训练，形成儿童CAP早期病原诊断数据模型。与现有技术相比，本发明对大量CAP患儿医疗数据进行清洗、统计以及区分，实现医疗数据标准化矩阵化，并通过基于特权信息学习支持向量机模型，实现儿童CAP早期病原数据分析。

技术领域

本发明涉及信息处理技术领域，尤其是涉及一种基于特权信息学习支持向量机的CAP数据系统及方法。

背景技术

儿童社区获得性肺炎(community acquired pneumonia，CAP)是指既往健康儿童在院外(即社区)由细菌、病毒、衣原体和支原体等多种微生物感染所致的肺炎。该病是儿童时期最常见的呼吸系统感染性疾病之一，是儿童住院的最常见原因之一。据统计，我国住院儿童的24.5％-56.2％的病因是儿童肺炎；根据权威医学期刊《柳叶刀》于2010年发表的研究，社区获得性肺炎(CAP)是中国的儿童患病死亡首因，我国卫生部将其列为4种儿童常见病之首。

儿童社区获得性肺炎由多种病原引起，其中细菌、病毒、支原体、衣原体这几类最为常见，也有不少是多于一种病原的混合感染。修订于2013年的《儿童社区获得性肺炎管理指南》指出，影响CAP病原检测发现的因素包括：(1)CAP患儿自身的免疫状况、病原的繁殖数量与毒力作用，以及抗菌素等的使用对前二者的影响等综合因素；(2)各种标本采集、保管、运送、检验等各个流程环节的标准化、衔接与密切配合程度；(3)病原学检测技术的敏感性与特异性；(4)地域、年份、卫生环境、社会环境及社会经济因素、卫生医疗条件等；(5)新发病原出现、病原的变异、抗菌药物使用及耐药性等。总体来说，无论是在病原学还是临床上，儿童CAP的病原检测存在许多困难。

现有的儿童CAP病原学分析与检测较为准确的方法基本基于细菌培养、病毒的PR-PCR检测等针对性检测方法，这些检测方法均需要较长时间才能得到结果。由于对于不同的病原的对抗药物不同，儿童CAP早期病原的检测结果往往直接影响到治疗方法以及治疗药物的选择，检测时间较长或不准确的病原检验结果，导致临床治疗的延误或者药物使用的错误，甚至会导致对治疗儿童的抗生素滥用。因此，研制新的儿童CAP的早期病原分析数据系统及方法已十分迫切。

近年来，随着计算机技术的快速发展，特别是医疗数据系统的标准化与大数据技术的相得益彰，一方面，电子病历系统在许多先进的医院全面使用，通过电子病历的记录，患儿的大量化验以及治疗数据均得以以电子形式长期保存；另一方面，大数据分析技术也可以通过这大量的医疗数据，通过机器学习方法建立模型，从而指导和帮助医生的判断与治疗。大数据技术分析在医疗领域有极大的辅助作用，通过计算机可以快速计算一般人脑难以处理的化验项目结果数据，同时能够不断累积所有能得到数据的病例，这样的数据积累与全面分析往往能更全面、准确的辅助判断一些医疗问题。通过机器学习方法辅助解决儿童CAP病原的早期判断是一个非常好的解决方案，机器学习技术可以在经过数据训练后，做到在很短的时间内综合可以得到的有效的大量病人数据，对儿童CAP的病原做出初步早期判断，对儿童CAP的早期病原诊断与治疗技术进步有着非常重要的意义。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于特权信息学习支持向量机的CAP数据系统及方法，重于在大量儿童CAP医疗记录中进行有效性筛选，并将筛选后的医疗数据进行数字化结构化处理，生成医疗数据特征模块和特权信息模块，并输入基于特权信息学习支持向量机SVM+算法，以此形成基于特权信息学习支持向量机的机器学习病原分析系统；并以此进行病原学分析，可以为临床儿童CAP早期病原判断以及治疗方案提供决策支持。

本发明的目的可以通过以下技术方案来实现：