[发明专利]一种基于朴素贝叶斯的医疗影像疾病分类方法

摘要

本发明公开了一种基于朴素贝叶斯的医疗影像疾病分类方法。本发明根据设备类型和诊断报告表中的影像所见、诊断结论等文本信息，自动判断影像检查结果所属的疾病类型。考虑到朴素贝叶斯分类的独立性假设在实际应用中的影响，本发明采用K-Means聚类算法进行疾病聚类分析，将相似程度高的数据划分到同一簇中，相似程度低的数据划分到不同簇中，同时确定疾病类别数量。本发明利用朴素贝叶斯算法的高效、速度快特点，在保证分类精度的同时很大程度上提高了医疗影像检索的分类速度。

主权项

一种基于朴素贝叶斯的医疗影像疾病分类方法，其特征在于该方法包括以下步骤：步骤1：首先利用机器学习方法，从医疗影像信息系统的数据报告表中提取10000数量的检查记录；使用K‑Means聚类算法进行疾病聚类分析，确定十个疾病类别；K‑Means聚类算法进行疾病聚类分析包括以下步骤：1‑1)从待分类数据记录X中任意选取K个数据记录作为初始簇类中心C＝{c₁,c₂,…,c_k}，令K=10；待分类数据记录X＝{a₁,a₂,…,a_n}，a_i表示待分类数据记录X的一个特征向量，X的维数是N维；1‑2)计算d(x_i,C_j),d为待分类数据记录x_i到类C_j的距离，并把具有最小值d(x_i,C_j)的数据点x_i划分到类C_j中，引进N维向量U_j作为类C_j的中心；1‑3)计算类C_j的中心点，通过计算类C_j中每个点的坐标平均值获得，即U_j；1‑4)如果每个数据记录X与它类中心点U_j的距离平方和最小，则符合条件，则停止该算法并返回最后结果C；否则将U_j(1≤j≤10)作为新的10个簇类中心，并返回1‑2)；通过K‑Means聚类算法获得十个疾病类型后，借助国际疾病类型分类标准ICD‑10将这十个类别进行疾病类型确定和编码；步骤2：针对不同的疾病数据，将每种疾病类型保留25‑30条最具代表性的数据，并在数据库中对应的该条数据记录添加疾病编码；步骤3：分析整理报告数据表，清理脏数据，过滤空白数据，对待分类数据集进行缺失值处理，处理方法如下：3‑1)简单删除数据：将遗漏信息属性值的数据记录删除；3‑2)补齐数据：将先验知识与数据报告表结合起来，推断出缺失属性的最大可能的取值，从而填充缺失数据；结合这两种处理方法，使数据报告表完备化；步骤4：利用汉语词法分析系统，对数据库中待分类的数据记录进行分词，确定每条数据记录的属性值；步骤5：采用朴素贝叶斯分类器模型判断待分类数据记录归属的疾病类型，具体是：设变量集U＝{A,C}，其中A＝{A₁,A₂,…,A₂₅}，包含25个条件属性；这25个条件属性由K‑Means聚类后的十大疾病种类中抽取的关键词表示；C＝{c₁,c₂,…,c₁₀}，包含十个取值，并且这十个取值对应于疾病的分类编码；将一个待分类数据记录X＝{a₁,a₂,…,a₂₅}分配给类C_i，当且仅当：P(C_i/X)＞P(C_j/X)，具体如下：1)构成统计表：统计出待分类数据记录的个数S、类为C_i的数据记录个数S_i、类C_i的数据记录中属性A_k取值为a_k的数据记录个数S_ik；2)计算$P\left(C_i\right)=\frac{S_i}{S}$和$P(A=a_k/C_i)=\frac{S_{\mathrm{ik}}}{S_i},$构成概率统计表；3)利用朴素贝叶斯分类模型：$C_{\mathrm{nb}}\left(X\right)=\arg \underset{C_i\∈C}{\max }P\left(C_i\right)\underset{k=1}{\overset{n}{\mathrm{\Π}}}P(a_k/C_i)$得出待分类数据记录X的判定结果即判定出了所属疾病类型C_nb。