[发明专利]一种基于双边模糊集的三支决策疾病分类方法及装置

说明书

本发明属于疾病的分类和诊断领域，具体涉及一种基于双边模糊集的三支决策疾病分类方法及装置，包括：获取与疾病诊疗信息相关的数据集，并对其预处理形成一个近似空间；基于近似空间计算数据集的背离度得到双边模糊集；基于双边模糊集构建三支决策模型；基于置信区间理论构建目标优化函数，求解得到最优置信水平并计算决策阈值，得到最终三支决策模型；采用最终三支决策模型对数据集的背离度进行划分，得到诊断结果及对应决策；本发明将模糊集拓展为双边模糊集构建三支决策模型，保留疾病信息语义的同时得到除目标疾病外的相关诊断结果，还提出了最优化置信水平的阈值自动计算方法，减少了人为对阈值计算的影响。

技术领域

本发明属于疾病的分类和诊断领域，具体涉及一种基于双边模糊集的三支决策疾病分类方法及装置。

背景技术

随着医疗大数据时代的来临，利用计算机辅助医疗已经成为临床医学和科学研究的重要方面。针对如何根据病人的疾病信息使用计算机进行辅助诊断和治疗，提出了多种方法。其中，姚一豫教授提出了三支决策理论，这是一种符合人类实际认知能力的决策模型，是传统二支决策的拓展，将延迟决策作为信息不足以绝对接受或拒绝时的第三种决策行为。其核心思想是将一个统一集划分为三个互不相交的成对区域，并对每个区域制定相应的决策策略。在实际应用场景中，医疗诊断是较为严谨的，在不具备足够信息判断患者是否患病时，医生往往会建议患者进一步检查，故三支决策“三分而治”的思想相较于二支决策更符合医疗诊断的思维模式，即分类结果为患病、进一步检查、未患病。

模糊集是Zadeh教授提出的一种有效的处理不确定和不精确问题的方法，它将数学的应用领域从精确现象领域扩大到了模糊现象领域。在医疗诊断中，患者描述个人信息及症状为“中年，男性，经常头痛，偶尔失眠”，其中除了“男性”是精确信息，其他信息均为模糊信息，如果要用计算机精确处理这些信息，那么就需要对这些模糊信息进行刻画，而模糊集则是一种可以刻画模糊信息的方法。

在实际医疗诊断中，针对某一疾病进行诊断时，医生除了能诊断出该患者是否患此病，还可以通过检查指标诊断出患者患其他类型疾病的可能性。然而，现有的二分类模型，均只能判断出患者是否患目标概念所代表的疾病，无法通过现有指标判断患者是否有可能患有其他疾病，与实际医疗场景的应用有偏差。因此，如何在二分类情况下，通过检查指标对患者进行除目标疾病外的诊断就成了一个具有价值的问题。

发明内容

本发明提出了一种基于双边模糊集的三支决策疾病分类方法和装置。通过科学有效的方法对具有模糊性和不确定性的疾病信息进行分析和处理，尽可能保留疾病信息本身的语义信息含量，从而得到一个双向语义的三支决策的划分结果，并基于此划分结果为医生或患者提供科学有力的辅助诊断依据。

在第一方面，本发明提供了一种基于双边模糊集的三支决策疾病分类方法，包括：

S1.获取与诊断对象的疾病诊疗信息相关的数据集，对数据集进行预处理后形成一个近似空间；

S2.基于近似空间计算数据集的背离度，得到双边模糊集；

S3.根据得到的双边模糊集构建三支决策模型；

S4.基于置信区间理论构建目标优化函数，求解目标优化函数得到最优置信水平，根据最优置信水平计算三支决策模型中的决策阈值；

S5.使用S4步骤得到的决策阈值对步骤S2计算得到的背离度进行划分，得到待诊断对象的诊断结果及对应决策。

进一步的，近似空间为S且S＝(U,R)，U＝{x₁,x₂,…,x₁₀}是待诊断对象的集合，R＝{r}是与疾病诊疗信息相关的数据集，A为U上的一个双边模糊集，ω_A为U上的一个映射，映射ω_A为A的背离函数，且该映射满足条件：

ω_A:U→[-1,1]；