一种针对医疗多模态大数据的预处理及特征提取方法技术

本发明专利技术提出一种针对医疗机构分析多模态大数据的分析方法。主要是针对医院数据库中患者的多模态大数据的分析。可以综合考虑多个模态信息数据，有效地避免传统数据分析过程中，传输网络受限情况的发生，并保证实时反馈用户信息。所建立的多维偏最小二乘模型，并结合卷积神经网络方法，能够减少信息损失，得到稳定的预测模型，为医院提供更加详尽且准确的分析报告。

【技术实现步骤摘要】
一种针对医疗多模态大数据的预处理及特征提取方法
本专利技术涉及医疗大数据领域，具体而言，涉及医院多模态大数据的预处理及特征提取。
技术介绍
随着社会的发展，医疗技术也相应地不断得到提高。国内医院几乎都建立了属于自己的数据仓库，并不断地积累各种疾病信息的数据和历史记录大自身的数据库中，其内容都达到了相当大的规模。这对每一个医院机构来说，是一笔重要的信息资源。为行业人员提供疾病信息的帮助，观察疾病历年来的演变规律及发展趋势，都起到了举足轻重的重要性。然而现如今各个医疗机构都面临着这样的困境，就是如何去分析疾病多模态的大数据，提高疾病信息的利用率，并且准确地找出需要的信息，做出高明的决策。
技术实现思路
为了解决医疗多模态大数据的预处理及特征提取的难题，本专利技术提出了一种针对医院分析多模态大数据的方法，并提出设计多密度量化器，采用遗传算法和BP遗传算法等技术进行预测分析。一种针对医疗多模态大数据的预处理及特征提取方法，如图1所示，包括如下步骤：步骤1.利用S-G平滑法对医院的多模态数据进行预处理。在待处理点前后选取一段数据。连续奇数个点组成单个窗口并将其排序，取中间值作为平滑值。步骤2.获取本文档来自技高网...

【技术保护点】
一种针对医疗多模态大数据的预处理及特征提取方法，其特征在于，包括如下步骤：步骤1.利用S‑G平滑法对医院的多模态数据进行预处理。在待处理点前后选取一段数据。连续奇数个点组成单个窗口并将其排序，取中间值作为平滑值；步骤2.获取处理后的数据，利用多模态数据的特征的信息量化的方法，采集该医疗机构的多模态大数据，结合网络传输的负载能力，设计多密度量化器；步骤3.基于相关系数分析的局部回归方法，利用多维偏最小二乘算法构建数据模型，采用GA‑BP建模的方法，并结合卷积神经网络的方法，提取患者历史数据中有价值的信息；步骤4推导出疾病数据的新型信息提取算法，得到患者疾病的动态演化规律，对疾病做出性能评估指标，...

【技术特征摘要】
1.一种针对医疗多模态大数据的预处理及特征提取方法，其特征在于，包括如下步骤：步骤1.利用S-G平滑法对医院的多模态数据进行预处理。在待处理点前后选取一段数据。连续奇数个点组成单个窗口并将其排序，取中间值作为平滑值；步骤2.获取处理后的数据，利用多模态数据的特征的信息量化的方法，采集该医疗机构的多模态大数据，结合网络传输的负载能力，设计多密度量化器；步骤3.基于相关系数分析的局部回归方法，利用多维偏最小二乘算法构建数据模型，采用GA-BP建模的方法，并结合卷积神经网络的方法，提取患者历史数据中有价值的信息；步骤4推导出疾病数据的新型信息提取算法，得到患者疾病的动态演化规律，对疾病做出性能评估指标，以及为患者提出滚动优化的方案。2.根据权利要求1所述的针对医疗多模态大数据的预处理及特征提取方法，其特征在于：所述的S-G平滑法，首先选择好合适的窗口，然后根据多项式拟合法，对每一个窗口内的数据进行平滑处理，将计算得到的平滑值代替对应的窗口数据，然后时间增加的方向依次移动一个数据点，形成新的窗口，直到遍历所有的数据点为止。3.根据权利要求1所述的针对医疗多模态大数据的预处理及特征...

【专利技术属性】
技术研发人员：鲁仁全，张金涛，吴元清，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44