[发明专利]一种基于多分支链式神经网络的心血管疾病分类方法和装置

说明书

本发明涉及一种基于多分支链式神经网络的心血管疾病分类方法。针对传统的神经网络及机器学习模型在小数据集上分类性能较差、忽略标签之间相关性的问题，提出了一种多分支链式神经网络。该方法在各分支的神经网络中加入预测标签序列，以利用标签间的相关性；在不同分支中加入的预测标签序列均采用不同的相关性计算方式，以避免忽略标签间关系的多样性。为了测试该网络模型的性能，在医院方提供的心血管疾病数据集上进行实验，实验结果表明：多分支链式神经网络与及其他神经网络及机器学习模型相比，达到了较高的性能，大大提升了模型的泛化能力。

技术领域

本发明涉及前馈神经网络，属于深度学习领域，具体涉及一种基于多分支链式神经网络的心血管疾病分类方法和装置。

背景技术

传统监督学习中，一个样例仅与一个类别标签相关联，这类问题成为单标签分类问题。但在医学数据的诊断及分类问题中，一个病例样本可能同时具有多个不同的病历标签。例如，一个患者可能同时患有多种不同的疾病。本发明称这类问题为多标签分类问题。

多标签分类问题已逐渐成为机器学习领域一个新兴的热门研究点。在多标签分类中，最常见的方法就是问题转换法，即：通过将多标签分类问题转变为若干个单标签二分类问题获或多分类问题；BR(binary relevance)方法是最常用的方法，它将分类中每个标签都看作一个单独的标签，并针对其训练一个独立的分类器；该方法虽然有效，但往往忽略了标签之间的相关性，因此在数据量较小的医学数据集上无法取得良好的性能，并且当标签数较多时，分类器也随之增多，会大大增加分类过程中的计算量，增大资源消耗。LP(labelpowerset)是另一种常见的问题转化方法，他将训练数据中所有的标签组合都作为一种新的类别，通过这种方式将多标签分类问题转化为单标签多分类问题，该方法在一定程度上利用了标签之间的相关性，但随着标签数及数据量的增加，在大数据集上训练时，会占用过高的计算资源，在较小的数据集上又非常容易出现过拟合问题。

综上所述，问题转化方法不仅忽略了多标签中的相关性，而且在较大或者较小的数据集上都存在着计算资源消耗大和过拟合的严重问题。在多标签分类中，一个标签的信息往往会对模型学习另一个标签提供有用的信息，尤其在数据量较小而标签数较多的分类场景中，充分的利用多标签之间的相关性能够促进模型对数据特征的学习，有效增强模型在小数据集上的分类性能。从标签相关性方面入手，处理多标签分类问题已经逐渐成为多标签分类领域中一个新的研究方向，如最近的LEAD、ML-LOC等算法，都是基于标签之间的关系进行数据处理的方法。

多标签分类可描述为：一直在实数域R上的d维度空间X＝R^d，每个样本克表示为d维向量x＝[x₁,x₂,x₃,...,x_d]；有限标签集L＝[l₁,l₂,l₃,...,l_m]，每个样本拥有该标签集中的部分标签，记为y＝[y₁,y₂,y₃,...,y_m]，训练集表示为T＝{(x_i,y_i)/i＝1,2,...,n}。多标签分类的任务就是根据训练集训练分类器；得到的分类器，当输入为未分类数据时，分类器预测出可能具有的标签。

Cheng等人基于标签关系处理的基础上提出了PC算法，对于未分类样本x，通过概率乘积规则计算出每种标签组合的概率：

但是该方法中采用的单分类器策略，并存在着标签的分类顺序问题；如果某个标签的分类结果出现错误，那么这个错误会严重干扰后续标签的错误。

多标签分类中，由于标签关系的计算方式不同，分类顺序也具有很大的不稳定性和多样性；read等人提出了EC算法，采取多个随机顺序投票的方式，仍基于单分类器模型，虽性能上取得了进展，但能良好的解决分类器的顺序问题。