[发明专利]一种对医疗影像检查量预测的混合优化方法

摘要

本发明公开了一种对医疗影像检查量预测的混合优化方法。本发明在灰色GM（1,1）预测模型的基础之上，使用马尔可夫链来形成灰色‑马尔可夫模型，运用马尔可夫链模型能很好的解决灰色模型对于医疗影像数据波动大预测不准的缺点；同时运用蒙特卡洛模型预测所需要的医疗影像数据值，最后根据这两种模型所预测的医疗影像数据来做最后的混合预测，从而达到需要的优化预测要求。本发明能够很大程度的提高预测精度以及拟合度，弥补了灰色预测的局限，从而对于医疗影像数据的检查量的预测能更加的精准，对于医疗机构可以有足够的证据来进行安排。

主权项

一种对医疗影像检查量预测的混合优化方法，其特征在于该方法包括以下步骤：步骤A：灰色‑马尔可夫链模型的建立，具体是：(1)在建立灰色‑马尔可夫链模型之前，为了保证灰色GM(1,1)模型的预测精度，需要通过级比检验来判定原始医疗影像数据是否适合GM(1,1)建模；该步骤主要是要求医疗影像原始数据必须在级比范围内，对于级比检验合格的序列，直接用于GM(1,1)模型的构建；对于级比检验不合格的序列，通过对数变换、平移变换来提高医疗影像原始数据序列的光滑度，然后对处理后的医疗影像数据序列进行GM(1,1)建模，建模完成后再对预测曲线进行逆变换；(2)建立灰色GM(1,1)模型，具体是：对于给定的医疗影像原始数据序列设为X(0)(t)＝(X(0)(1),X(0)(2),X(0)(3),......,X(0)(n))，t＝1,2,......,n，运用灰色系统理论，建立GM(1,1)模型为：X(1)(t+1)=[X(0)(1)-ba]e-at+b/a---(1)]]>X(0)(t+1)＝X(1)(t+1)‑X(1)(t)＝(1‑ea)[X(1)(1)‑b/a]e‑at   (2)式中a为常系数，b为对系统的定常输入，X(0)(t+1)曲线即为灰色GM(1,1)对医疗影像数据的预测曲线；(3)在灰色模型的基础上建立马尔可夫链模型；该模型主要包括三个步骤，依次为状态的划分，计算转移概率并建立转移概率矩阵，预测状态转移，最后计算出灰色‑马尔可夫链模型对医疗影像检查量的预测值；步骤B：蒙特卡洛模型的建立，假设变量Y＝f(X)   (3)式中X为服从某一概率分布的随机变量，f(X)是一个未知或非常复杂的函数式，用蒙特卡洛模型法就是通过直接或间接抽样求出每一随机自变量X，然后带入(3)式求出函数值Y，这样反复地独立模拟计算多次，便可得到函数Y的一批抽样数据Y1,Y2,Y3,......,Yn；当独立模拟次数很大的时候，就可以由此来确定函数Y的概率特征；并用样本均值Y‾=1NΣi=1nYi---(4)]]>来作为函数Y的期望值；并且使用样本标准差S2=1NΣi=1n(Yi-Y‾)2---(5)]]>作为的统计精度；使用蒙特卡洛模型需要在计算机上进行大量的运行模拟，并按式(4)计算出的影像数据每年的期望值就是对应的预测量；步骤C:将灰色‑马尔可夫链模型与蒙特卡洛模型两种方法进行混合，具体是：采用两种模型混合主要是根据两个模型分别预测出来的影像检查量的值进行计算机拟合，在经过大量的拟合计算后得到两种模型的加权系数P、L；其中P为灰色‑马尔可夫链模型的权重系数，L为蒙特卡洛模型的权重系数；经过权重分配后所预测出来的值就是最终预测的数据。