咽喉反流识别模型建立方法、指标获取方法及电子系统技术方案

本申请涉及一种咽喉反流识别模型建立方法、指标获取方法及电子系统，咽喉反流识别模型建立方法包括获取咽喉反流特征数据；通过安全半监督支持向量机根据特征数据生成模型训练集；建立SVM分类器，通过模型训练集训练SVM分类器，生成咽喉反流识别模型。本申请的咽喉反流识别模型用于识别咽喉反流性疾病时，可有效提升识别的灵敏度并保持较高的特异度。

【技术实现步骤摘要】
咽喉反流识别模型建立方法、指标获取方法及电子系统
本申请属于机器学习
，具体涉及一种咽喉反流识别模型建立方法、指标获取方法及电子系统。
技术介绍
咽喉反流性疾病(LPRD)是胃内容物反流至食管上括约肌以上导致的一系列疾病的总称，约影响10-15％的耳鼻咽喉科门诊患者，2017年中国三甲医院的多中心临床调查(应用RSI)显示其发病率约10％。目前对LPRD应用最广泛的客观检测方法是动态pH监测。在动态pH监测系统进行的LPRD研究中，现有的咽喉反流识别系统对异常pH判断应用最广泛的是Ryan指数评分。Ryan指数是基于线性统计方法进行LPRD诊断识别，但由于正常人群和LPRD人群之间信息重叠大，线性统计方法给出结果的区分度差，存在低估LPRD发生率的风险。
技术实现思路
为至少在一定程度上克服现有的咽喉反流识别系统基于Ryan指数评分，而Ryan指数是基于线性统计方法进行LPRD诊断识别，但由于正常人群和LPRD人群之间信息重叠大，线性统计方法给出结果的区分度差，存在低估LPRD发生率的风险的问题，本申请提供一种咽喉反流识别模型建立方法、指标获取方法及电子系统。第一方面，本申请提供一种咽喉反流识别模型建立方法，包括：获取咽喉反流特征数据；通过安全半监督支持向量机根据所述特征数据生成模型训练集；建立SVM分类器，通过模型训练集训练所述SVM分类器，生成咽喉反流识别模型。进一步的，所述获取咽喉反流特征数据，包括：采集人体咽部pH值数据；对所述人体咽部pH值数据进行特征提取，生成咽喉反流特征数据，所述特征数据包括有标签特征和无标签特征。进一步的，所述对所述人体咽部pH值数据进行特征提取，包括：根据所述人体咽部pH值数据提取初始特征；根据所述初始特征提取有效特征。进一步的，所述根据所述人体咽部pH值数据提取初始特征，包括：设置预设数量的pH阈值；根据所述pH阈值提取初始特征，所述初始特征包括所述pH阈值下百分比时间，所述pH阈值下的反流次数和所述pH阈值下的最长反流时间中的一种或多种。进一步的，所述根据所述初始特征提取有效特征，包括：采用逐步特征选择算法对所述初始特征中的每个特征进行双向选择，筛选出有效特征。进一步的，所述双向选择，包括：正向选择和反向消除；所述正向选择用于在向前选择过程中，将最显著的特征筛选为有效特征；所述反向消除用于在向后选择的过程中，将无作用的初始特征删除。进一步的，所述通过安全半监督支持向量机根据所述特征数据生成模型训练集，包括：建立第一损失函数：其中f是属于F函数类的决策函数；L(·)采用hinge损失函数；J(f)通常为分类距离的倒数；C1,C2为惩罚因子；xi，xj为前一步选择的特征；yi为已知标签，yj为伪标签；所述特征数据包括有标签特征和无标签特征，通过所述第一损失函数为所述无标签特征添加伪标签信息；优化所述伪标签信息使得第一损失函数最小，得到伪标签特征，将所述有标签特征和伪标签特征加入模型训练集。进一步的，所述建立SVM分类器，包括：建立第二损失函数：s.t.yi(wTxi+b)≥1-ξi,ξi≥0,0≤a≤1其中ξi是松弛变量，C代表系数，参数a用来调节有标签特征和无标签特征的比例，w为系数，xi为有效特征。第二方面，本申请提供一种反流指标获取方法，包括：获取咽喉反流特征数据；通过安全半监督支持向量机根据所述特征数据生成模型训练集；建立SVM分类器，通过模型训练集训练所述SVM分类器；根据训练好的SVM分类器获取反流指标，所述反流指标其中，wi为系数，xi为有效特征，b为偏置值。第三方面，本申请提供一种电子系统，包括：处理器和存储器，所述存储器存储当由所述处理器执行时使所述处理器进行以下的指令：获取咽喉反流特征数据；通过安全半监督支持向量机根据所述特征数据生成模型训练集；建立SVM分类器，通过模型训练集训练所述SVM分类器，生成咽喉反流识别模型；或者进行以下的指令：获取咽喉反流特征数据；通过安全半监督支持向量机根据所述特征数据生成模型训练集；建立SVM分类器，通过模型训练集训练所述SVM分类器；根据训练好的SVM分类器获取反流指标。本申请的实施例提供的技术方案可以包括以下有益效果：本专利技术实施例提供的咽喉反流识别模型建立方法、指标获取方法及电子系统，通过获取咽喉反流特征数据，通过安全半监督支持向量机根据特征数据生成模型训练集，建立SVM分类器，通过模型训练集训练SVM分类器，生成咽喉反流识别模型，将咽喉反流识别模型用于识别咽喉反流性疾病，可以提升模型识别的灵敏度和特异性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。图1为本申请一个实施例提供的一种咽喉反流识别模型建立方法的流程图。图2为本申请另一个实施例提供的一种咽喉反流识别模型建立方法的流程图。图3为本申请一个实施例提供的反流指标获取方法的流程图。图4为本申请一个实施例提供的电子系统的功能结构图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。图1为本申请一个实施例提供的咽喉反流识别模型建立方法的流程图，如图1所示，该咽喉反流识别模型建立方法包括：S11：获取咽喉反流特征数据；S12：通过安全半监督支持向量机根据所述特征数据生成模型训练集；S13：建立SVM分类器，通过模型训练集训练所述SVM分类器，生成咽喉反流识别模型。支持向量机(SVM，SupportVectorMachine)是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。通过构建咽喉反流识别模型，将动态的pH数据输入模型即可识别是否具有咽喉反流症状，为咽喉反流检测提供客观工具，并且，由于采用安全半监督支持向量机与SVM分类器相结合，较传统线性统计方法进行LPRD诊断识别，避免出现低估LPRD发生率的风险。本实施例中，通过获取咽喉反流特征数据，通过安全半监督支持向量机将特征数据转化为模型训练集，建立SVM分类器，通过模型训练集训练SVM分类器，生成咽喉反流识别模型，将咽喉反流识别模型用于识别咽喉反流性疾病，可以提升模型识别的灵敏度本文档来自技高网...

【技术保护点】
1.一种咽喉反流识别模型建立方法，其特征在于，包括：/n获取咽喉反流特征数据；/n通过安全半监督支持向量机根据所述特征数据生成模型训练集；/n建立SVM分类器，通过模型训练集训练所述SVM分类器，生成咽喉反流识别模型。/n

【技术特征摘要】
1.一种咽喉反流识别模型建立方法，其特征在于，包括：
获取咽喉反流特征数据；
通过安全半监督支持向量机根据所述特征数据生成模型训练集；
建立SVM分类器，通过模型训练集训练所述SVM分类器，生成咽喉反流识别模型。


2.根据权利要求1所述的咽喉反流识别模型建立方法，其特征在于，所述获取咽喉反流特征数据，包括：
采集人体咽部pH值数据；
对所述人体咽部pH值数据进行特征提取，生成咽喉反流特征数据，所述特征数据包括有标签特征和无标签特征。


3.根据权利要求1所述的咽喉反流识别模型建立方法，其特征在于，所述对所述人体咽部pH值数据进行特征提取，包括：
根据所述人体咽部pH值数据提取初始特征；
根据所述初始特征提取有效特征。


4.根据权利要求3所述的咽喉反流识别模型建立方法，其特征在于，所述根据所述人体咽部pH值数据提取初始特征，包括：
设置预设数量的pH阈值；
根据所述pH阈值提取初始特征，所述初始特征包括所述pH阈值下百分比时间，所述pH阈值下的反流次数和所述pH阈值下的最长反流时间中的一种或多种。


5.根据权利要求3所述的咽喉反流识别模型建立方法，其特征在于，所述根据所述初始特征提取有效特征，包括：
采用逐步特征选择算法对所述初始特征中的每个特征进行双向选择，筛选出有效特征。


6.根据权利要求5所述的咽喉反流识别模型建立方法，其特征在于，所述双向选择，包括：
正向选择和反向消除；
所述正向选择用于在向前选择过程中，将最显著的特征筛选为有效特征；
所述反向消除用于在向后选择的过程中，将无作用的初始特征删除。


7.根据权利要求1所述的咽喉反流识别模型建立方法，其特征在于，所述通过安全半监督支持向量机根据所述特征数据生成模型训练集，包括：
建立第一损失...

【专利技术属性】
技术研发人员：屈璠，
申请(专利权)人：屈璠，
类型：发明
国别省市：北京;11