[发明专利]诊断信息处理分析的方法和系统

说明书

本发明公开了一种诊断信息处理分析的方法和系统，涉及医疗的系统技术领域。该诊断信息处理分析的方法包括以下步骤：通过多个样本特征以及标签信息建立特征空间和标签空间，并建立样本的特征向量和第一标签向量；计算每个标签信息的出现次数；计算每两个标签信息同时出现在一个样本中的次数；计算每两个标签信息的相似度，建立标签‑标签的相似度矩阵；重构第一标签向量以得到第二标签向量，根据第二标签向量计算目标样本标签信息出现概率；选取预设数量的标签信息作为所述目标样本的推荐标签信息。本发明通过利用病人所患疾病对应的特征构成特征空间、标签信息，可有效地利用疾病与其并发症的关联来发现更多潜在疾病，提高诊断决策支持的精度。

技术领域

本发明涉及医疗系统技术领域，特别是涉及一种诊断信息处理分析的方法和系统。

背景技术

在大数据时代，人们已经逐渐接受使用健康大数据来协助诊断和治疗的方法。随着许多产业应用在利用大数据上获得的成功，健康服务产业也开始利用医疗大数据来提升服务效率和质量。

健康信息工具和机器学习技术已经成功地用于帮助医生更高效地诊断疾病和制定治疗方案。临床决策支持应用包括提供诊断、个性化药物评估、治疗方案、相关医学知识的系统。临床决策支持应用旨在为医护人员提供专业的知识、病人的信息和智能化手段从而提高医护人员做决策的效率和效用。通过临床决策支持应用，可以减少医疗过失和提升医疗服务质量。在医学领域，高质量的临床决策支持系统的需求日益提升。

临床医生通过他们的经验和知识来区分病人并为病人做诊断。因此，如果临床医生没有丰富的经验和准确的判断能力，将会造成不可避免的医疗失误。建立临床决策支持系统的目标是通过机器学习技术提升临床医生的准确性和效率。该系统可以通过个人健康记录，如生理数据、电子病历、3D图像、放射图像、基因组测序、临床和收费等数据，来提取患者的特征、根据患者的特征对患者分类并提供相应的临床建议给医生。在医疗场景中的评分标准和医学领域的复杂性是临床决策支持系统的难题。目前，市场上已经开发了许多临床决策支持系统来为医生提供帮助。

由于一些疾病带有并发症，一个患者同时患有多种疾病的情况很常见。为了估计参考疾病给临床医生，需要临床支持决策系统更加复杂。分析真实的临床诊断信息后发现，同时患有多个疾病的患者数量占了所有患者数量的很大一部分。所以临床决策支持系统需要推荐多个参考疾病给临床医生。因此，推荐疾病转换为了多标签分类参考疾病的问题。

由于ML-kNN(懒惰的多标签分类方法)步骤简单和效果突出，该算法受到了广泛的应用和研究。然而该算法通过独立地估计每一个标签的可能性，忽略了标签之间的关联。而实际诊断疾病中，很多标签之间是有联系的，对于标签之间有关联的应用场景，ML-kNN方法缺乏有效性。

发明内容

本发明的主要目的在于提供一种诊断信息处理分析的方法和系统，旨在利用疾病之间的相关性有效提高诊断疾病的准确性。

为实现上述目的，本发明提供一种诊断信息处理分析的方法，包括以下步骤：

通过多个样本特征以及多个样本的标签信息建立多标签信息的特征空间和标签空间，并根据每个样本特征和每个标签信息建立所述样本的特征向量和第一标签向量；

计算所述每个标签信息的出现次数；计算每两个标签信息同时出现在一个样本中的次数；

计算每两个标签信息的相似度，建立标签-标签的相似度矩阵；

通过所述标签-标签相似矩阵重构所述样本的第一标签向量以得到第二标签向量，并根据所述第二标签向量计算目标样本的标签信息出现概率；

降序排序所述目标样本标签信息出现的概率，选取预设数量的标签信息作为所述目标样本的推荐标签信息。

优选地，所述通过多个样本特征以及多个样本的标签信息建立多标签信息的特征空间和标签空间还包括：