[发明专利]一种基于围术期患者风险事件数据的多标签集成分类方法

权利要求书

1.一种基于围术期患者风险事件数据的多标签集成分类方法，其特征在于，包括：

获取待分类患者特征数据；

将所述待分类患者特征数据输入训练好的分类模型，分类模型输出分类结果，所述分类结果包括一个以上分类标签以及每个分类标签的分类置信度；

所述分类模型包括基于Stacking的分类集成模型、标签关联规则获取模块和融合模块，融合模块用于融合分类集成模型输出的分类矩阵和标签关联规则获取模块输出的关联规则矩阵以获得分类结果。

2.如权利要求1所述的基于围术期患者风险事件数据的多标签集成分类方法，其特征在于，所述分类集成模型包括第一多分类模型、第二多分类模型、第三多分类模型和逻辑回归模型；

第一多分类模型、第二多分类模型、第三多分类模型分别对所述待分类患者特征数据进行多标签分类处理获得第一初级分类结果、第二初级分类结果、第三初级分类结果；

逻辑回归模型对第一初级分类结果、第二初级分类结果、第三初级分类结果进行处理获得分类矩阵。

3.如权利要求2所述的基于围术期患者风险事件数据的多标签集成分类方法，其特征在于，所述分类集成模型的训练过程为：

构建围术期患者的样本数据集，样本数据集中每个样本关联一个以上分类标签，将样本数据集划分为分类训练集和分类测试集；

构建分类集成模型；

利用分类训练集对分类集成模型进行训练，利用分类测试集对训练后的分类集成模型进行测试验证。

4.如权利要求1或2或3所述的基于围术期患者风险事件数据的多标签集成分类方法，其特征在于，所述关联规则获取模块执行以下步骤：

获取围术期患者的样本数据集，样本数据集中每个样本关联一个以上分类标签；

对样本数据集中的分类标签进行关联规则挖掘获得关联规则矩阵。

5.如权利要求4所述的基于围术期患者风险事件数据的多标签集成分类方法，其特征在于，通过FP-growth算法对样本数据集中的分类标签进行关联规则挖掘。

6.如权利要求4所述的基于围术期患者风险事件数据的多标签集成分类方法，其特征在于，所述对样本数据集中的分类标签进行关联规则挖掘获得关联规则矩阵的步骤，具体包括：

对样本数据集中的分类标签进行聚类获得一个以上聚类簇；

对每个聚类簇中的分类标签进行关联规则挖掘获得关联规则子矩阵。

7.如权利要求6所述的基于围术期患者风险事件数据的多标签集成分类方法，其特征在于，通过FP-growth算法对每个分类簇中的分类标签进行关联规则挖掘获得关联规则子矩阵。

8.如权利要求5或7所述的基于围术期患者风险事件数据的多标签集成分类方法，其特征在于，所述关联规则矩阵包括所有分类标签中任意两个分类标签之间的关联置信度。

9.一种围术期患者数据多标签分类装置，其特征在于，包括：

数据获取模块，用于获取待分类患者特征数据；

分类模块，用于将所述待分类患者特征数据输入训练好的分类模型，分类模型输出分类结果，所述分类结果包括一个以上分类标签以及每个分类标签的分类置信度；

所述分类模型包括基于Stacking的分类集成模型、标签关联规则获取模块和融合模块，融合模块用于融合分类集成模型输出的分类矩阵和标签关联规则获取模块输出的关联规则矩阵以获得分类结果。

10.一种围术期患者风险事件预测系统，其特征在于，包括：

数据获取模块，用于获取待分类患者特征数据；

分类模块，用于将所述待分类患者特征数据输入训练好的分类模型，分类模型输出分类结果，所述分类结果包括一个以上分类标签以及每个分类标签的分类置信度，每个分类标签对应一个围术期患者风险事件；

所述分类模型包括基于Stacking的分类集成模型、标签关联规则获取模块和融合模块，融合模块用于融合分类集成模型输出的分类矩阵和标签关联规则获取模块输出的关联规则矩阵以获得分类结果；

转换模块，将分类结果中的分类标签转换为对应的围术期患者风险事件获得风险预测结果。