The present invention discloses a pathological data analysis method and apparatus for obtaining a prediction model of a disease in an embodiment of the present invention, in which the prediction model is based on a model of the correlation between a pathological data of a disease and a disease, and the phase correlation is carried out through the historical and pathological data. The covariance matrix processing and data type screening were obtained. The pathological data of the testers were obtained, and the pathological data were brought into the prediction model of a disease, and the results of the pathological data of the testers were determined. In this way, the system filters out all the diseases with higher degree of correlation with the above disease, and removes the symptoms that interfere with the analysis of pathological data, reduces the number of diseases used, improves the efficiency of data access, data transmission and data storage, and filters through correlation and data types through adjusting and adjusting. The corresponding threshold value improves the prediction accuracy of the prediction model and the efficiency of the prediction analysis.
【技术实现步骤摘要】
一种病理数据的分析方法及装置
本专利技术涉及计算机
，尤其涉及一种病理数据的分析方法及装置。
技术介绍
随着信息化的迅速发展，以及数字化医疗设备的广泛使用，医疗卫生信息的数据量也在急剧的增长。其中，医疗卫生信息包括医疗临床诊治信息，科研和管理过程的医疗信息系统(HospitalInformationSystem，HIS)信息，医学影像信息系统(PictureArchivingandCommunicationSystems，PACS)信息，检验信息系统(LaboratoryInformationSystem，LIS)信息，放射系统(RadiologyInformationSystem，RIS)信息，以及互联网和各种健康穿戴设备获取的血压、体重、血糖和心电图等信息。为对疾病进行预测，系统需要先筛选疾病相应的特征数据，然后将通过不同途径获取的特征数据，进行统一的接入、转移和存储，以及通过对获取的特征数据进行分析和处理，确定测试者患该疾病的概率。现有技术下，系统对特征数据进行选择和处理，从而进行疾病的预测，主要采用以下方式：针对各种疾病，确定每一种疾病相关的特征数据...
【技术保护点】
1.一种病理数据的分析方法，其特征在于，包括：获取一种疾病的预测模型，其中，所述预测模型是基于所述一种疾病的历史病理数据与所述一种疾病的相关度建立的模型，并且所述相关度是通过对所述历史病理数据进行协方差矩阵处理以及数据类型筛选处理后获得的；获取测试者的病理数据，并将所述病理数据带入所述一种疾病的预测模型，确定所述测试者的病理数据的分析结果。
【技术特征摘要】
1.一种病理数据的分析方法，其特征在于，包括：获取一种疾病的预测模型，其中，所述预测模型是基于所述一种疾病的历史病理数据与所述一种疾病的相关度建立的模型，并且所述相关度是通过对所述历史病理数据进行协方差矩阵处理以及数据类型筛选处理后获得的；获取测试者的病理数据，并将所述病理数据带入所述一种疾病的预测模型，确定所述测试者的病理数据的分析结果。2.如权利要求1所述的方法，其特征在于，在获取一种疾病的预测模型之前，进一步包括：获取所述一种疾病的历史病理数据，其中，所述历史病理数据中至少包含所述一种疾病的若干病症的历史特征数据；对所述历史病理数据中包含的各个病症的历史特征数据进行协方差矩阵处理，并基于协方差矩阵处理结果获得特征值集合，其中，所述特征值集合中的一个特征值与一个病症相对应，且一个特征值表征相应的病症与所述一种疾病的相关度；筛选出相关度符合第一预设条件的各个病症，获得第一病症集合；从所述第一病症集合包含的各个病症中，筛选出数据类型符合第二预设条件的病症，获得第二病症集合；基于所述第二特征集合中包含的各个病症以及相应的历史特征数据，建立所述一种疾病的预测模型。3.如权利要求2所述的方法，其特征在于，对所述历史病理数据中包含的各个病症的历史特征数据进行协方差矩阵处理，并基于协方差矩阵处理结果获得特征值集合，包括：基于各个病症的历史特征数据，分别确定每一个病症的历史特征数据均值；基于每一个病症对应的历史特征数据与相应的历史特征数据均值的各个差值，获得每一个病症对应的差值向量；分别计算每两个病症的差值向量的乘积向量，以及分别计算每一个病症的差值向量与自身的乘积向量；分别计算每一个乘积向量包含的各个元素的元素均值，并基于每一个乘积向量对应的元素均值，获得所述一种疾病的特征协方差矩阵；通过对所述一种疾病的特征协方差矩阵进行矩阵变换，获得所述特征协方差矩阵对应的特征值集合。4.如权利要求2所述的方法，其特征在于，筛选出相关度符合第一预设条件的各个病症，获得第一病症集合，包括：将所述特征值集合中的各个特征值，按照由大到小的顺序进行排序，获得排序结果；按照所述排序结果，筛选出N个取值最大的特征值对应的病症，获得第一病症集合，其中，所述N为整数。5.如权利要求2或3或4所述的方法，其特征在于，从所述第一病症集合包含的各个病症中，筛选出数据类型符合第二预设条件的病症，获得第二病症集合，包括：从所述第一病症集合包含的各个病症中，筛选出数据类型为分类变量的病症，获得分类变量病症集合；基于所述分类变量病症集合中包含的每一个病症对应的历史测试者的总数与所述第一病症集合对应的历史测试者的总数的比值，分别确定所述分类变量病症集合中包含的每一个病症的占比；筛选出所述分类变量病症集合中对应的占比低于相应的预设占比门限值的病症，获得占比病症集合；在所述第一病症集合包含的各个病症中，去除所述占比病症集合中包含的各个病症，获得所述第二病症集合。6.如权利要求2或3或4所述的方法，其特征在于，基于所述第二病症集合中包含的各个病症以及相应的历史特征数据，建立所述一种疾病的预测模型，包括：从所述一种疾病的历史病理数据中，获取所述第二病症集合对应的历史测试者的历史诊断结果；基于所述第二病症集合中包含的各个病症和相应的历史特征数据，以及对应的历史测试者的历史诊断结果，分别确定所述第二病症集合中包含的每一个病症对应的权重值，其中，所述一个病症对应的权重值与所述一个病症对应的相关度呈正相关；基于所述第二病症集合中包含的各个病症与对应的权重值的乘积的加和，建立所述一种疾病的预测模型，其中，所述一种疾病的预测模型与所述第二病症集合中包含的各个病症与对应的权重值的乘积的加和呈正相关。7.如权利要求1-4任意一项所述的方法，其特征在于，获取测试者的病理数据，并将所述病理数据带入所述一种疾病的预测模型，确定所述测试者的病理数据的分析结果，具体包括：从获取的所述测试者的病理数据中，筛选出所述第二病症特征集合中包含的各个病症对应的特征数据；将所述特征数据带入所述一种疾病的预测模型，获得预测概率，其中，所述预测概率表征所述测试者患有所述一种疾病的概率；确定所述预测概率高于预设的预测门限值时，判定所述测试者患有所述一种疾病。8.一种病理数据的分析装置，其特征在于，包括：获取单元，用于获取一种疾病...
【专利技术属性】
技术研发人员：常耀斌，许利群，
申请(专利权)人：中国移动通信有限公司研究院，中国移动通信集团公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。