[发明专利]围术期患者样本数据集均衡方法及样本数据集获取系统

说明书

本发明提供了一种围术期患者样本数据集均衡方法及样本数据集获取系统。样本数据集均衡方法包括：S1，对围术期患者的样本数据集中的少数类标签样本进行过采样获得合成样本，为合成样本生成对应的合成标签集，样本数据集包括多个样本和样本对应分类标签集；S2，将合成样本和合成标签集加入样本数据集获得临时样本数据集；S3，对临时样本数据集中的样本进行清洗获得均衡样本数据集。对样本数据集中的少数类标签样本进行过采样以增加少数类标签样本数量，均衡多数类标签样本和少数类标签样本，清洗噪声样本提升输出的均衡样本数据集中样本质量，均衡样本数据集用于后续分类处理时能够提升分类模型的表现效果。

技术领域

本发明涉及计算机技术领域，尤其涉及一种围术期患者样本数据集均衡方法及样本数据集获取系统。

背景技术

围术期即围手术期，围手术期是围绕手术的一个全过程，从病人决定接受手术治疗开始，到手术治疗直至基本康复，包含手术前、手术中及手术后的一段时间，具体是指从确定手术治疗时起，直到与这次手术有关的治疗基本结束为止，时间约在术前5-7天至术后7-12天。

据世界卫生组织(WHO)发布的《World health statistics 2021》报告数据来看，全球人口预期寿命增加到73.3岁，预计到2050年，全球老年人将超过15亿人。世界各地不断增加的老年人口已被确定为外科手术市场的主要人群，且老年患者的风险事件预测已经成为了热门研究方向之一。对老年手术患者群体进行术后风险预测，有助于医生制定诊治计划，合理配置救治资源，进而降低术后风险事件发生的概率。目前，一些诊断工具可以帮助医院为高风险病人提供全面、可靠的救治，如公开号为CN111009322A和CN114038565A的中国专利已公开了基于患者围术期数据集利用预测模型进行围术期风险评估，然而，在患者围术期数据集中，多存在数据集标签不平衡问题，这会直接影响到围术期预测模型的表现效果。

发明内容

本发明旨在解决现有技术中存在的技术问题，提供一种围术期患者样本数据集均衡方法及样本数据集获取系统。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种围术期患者样本数据集均衡方法，包括：步骤S1，利用MLSMOTE算法对围术期患者的样本数据集中的少数类标签样本进行过采样获得合成样本，为合成样本生成对应的合成标签集，所述样本数据集包括多个样本和样本对应分类标签集；步骤S2，将合成样本加入样本数据集获得临时样本数据集；步骤S3，对临时样本数据集中的样本进行清洗获得均衡样本数据集。

上述技术方案：对样本数据集中的少数类标签样本进行过采样以增加少数类标签样本数量，达到多数类标签样本和少数类标签样本的均衡，此外，对于在对少类标签样本生成的过程中产生的噪声样本在全部样本中进行清洗，提升输出的均衡样本数据集中样本质量，有效增强数据，当均衡样本数据集用于后续分类处理时能够提升分类模型的表现效果。

为了实现本发明的上述目的，根据本发明的第二个方面，本发明提供了一种围术期患者的样本数据集均衡装置，包括：样本合成模块，利用MLSMOTE算法对围术期患者的样本数据集中的少数类标签样本进行过采样获得合成样本，为合成样本生成对应的合成标签集，所述样本数据集包括多个样本和样本对应分类标签集；临时样本数据集获取模块，将合成样本加入样本数据集获得临时样本数据集；清洗模块，对临时样本数据集中的样本进行清洗获得均衡样本数据集。

上述技术方案：通过MLSMOTE算法对样本数据集中的少数类标签样本进行过采样以增加少数类标签样本数量，达到多数类标签样本和少数类标签样本的均衡，此外，对于MLSMOTE在对少类标签样本生成的过程中产生的噪声样本在全部样本中进行清洗，提升输出的均衡样本数据集中样本质量，有效增强数据，当均衡样本数据集用于后续分类处理时能够提升分类模型的表现效果。