[发明专利]对象聚类方法和装置

说明书

一种对类似于彼此的对象进行聚类或分组的方法。数据集包含针对每个对象的定量值集合，每个定量值表示该对象的相应临床或病理特征。对所述数据集执行主成分分析PCA。通过所述PCA识别的头两个主成分中的一个主成分的载荷用来生成加权值的相应数据集。这些加权值用来对所述数据集中的每个定量值集合进行加权或修改。对加权对象数据集执行聚类算法。所述过程可以被迭代直到满足用户定义的停止条件。

技术领域

本发明涉及对对象进行聚类的领域，并且更具体涉及使用对象的数据进行聚类的领域。

背景技术

对象的分组在临床实践中是常规活动，其目的是为了定义针对给定对象的最佳处置选项。具体地，如果对象能够被准确地一起分组到类似的组中，这将允许临床医生容易地比较给定对象或案例与类似的对象或案例来识别潜在诊断、合适的处置选项和所述处置选项的可能结果。这往往导致改善的对象结果和更准确的诊断，因为(即类似案例的)相关历史医学数据能够被临床医生准确地识别和利用。

因此存在对改善分组过程的准确性的增加期望。然而，由于对象的通常大量的变量或可能有影响的特性，甚至对于有经验的临床医生来说确定两个对象是否类似也是困难的。临床医生因此已经求助于自动化或监督式‘机器学习’(ML)方法用于对对象进行分组。

常规分组方法假设所有特征(即变量或特性)都是在统计上类似的，例如，具有类似的范围或具有类似的变化范围和统计分布。然而，对象数据(例如生物医学信息)通常是各种各样的，并且不同的数据因此往往属于具有高度统计差异的不同范畴。当执行常规聚类方法时，这导致显著降低的准确性。

发明内容

本发明通过权利要求来进行限定。

提出了一种对多个对象中的类似对象进行聚类的方法，所述方法包括：获得对象数据的数据集，所述数据集包含针对每个对象的相应定量值集合，每个定量值是所述对象的临床或病理特征的测量结果，并且每个定量值集合具有相同数量的定量值；以及执行聚类过程，包括：对对象数据的所述数据集执行主成分分析以识别至少两个主成分，每个主成分与成分得分和载荷的数据集相关联，载荷的每个数据集中的载荷的数量等于对象数据的所述数据集中的定量值的数量；生成加权值的第一数据集，每个加权值基于载荷的所述数据集中的与头两个主成分中的一个主成分相关联的相应载荷，所述第一数据集中的加权值的数量等于载荷的所述数据集中的载荷的数量；使用加权值的所述第一数据集对对象数据的所述数据集的所述定量值进行加权，以获得对象数据的加权数据集；以及对对象数据的所述加权数据集执行聚类算法以便将类似对象聚类成具有类似临床特性的对象组，其中，每个对象组中的对象具有类似的诊断、预测的对象结果和/或合适的处置选项。

因此提出了根据对象数据的统计信息来修改对象数据并且基于修改的对象数据来执行聚类过程的方法。特别地，主成分分析PCA被执行以生成用于修改对象数据的加权值的数据集。对对象数据的修改允许对象以更高程度的准确性并且以改善程度的组之间的分离被分组到(类似对象的)组中。

进而，这允许改善的诊断能力、对合适的处置选项的选择和针对所选择的处置选项的可能对象结果的预测。因此，总体对象结果能够被显著地改善。

本发明意识到，基于主成分分析来生成合适的加权值允许对象的不同可测量特征(即对象特性或变量)之间的统计变化被减小，使得特征在统计上变得更相似。当对类似对象进行分组时，这允许改善的准确性，因为可能统计上未平衡的特征(例如具有极大标准偏差或范围的特征)对聚类方法的影响被降低。

主成分分析已经在本文中被认为是导致对象数据能够被聚类成更大相似性和改善的分离的组的适当加权值的更准确且精确的识别的方法。与最有影响的主成分中的一个(为至少头两个主成分中的一个)主成分相关联的载荷用作用于生成加权值的基础，并且因此用作用于修改对象数据的数据集的基础。