一种基于上消化道出血预测疾病的系统、设备、存储介质技术方案

本发明专利技术公开一种基于上消化道出血预测疾病的系统、设备、存储介质，所述系统包括：数据获取模块：用于从电子病例库中提取出以上消化道出血作为临床第一主诉症状的病例样本；特征提取模块：用于提取各病例样本中上消化道出血的症状信息、相关生物学指标数据以及对应的疾病名称，组成病例样本特征向量；疾病聚类模块：用于采用改进的鸟群算法优化的K均值聚类算法对所述病例样本特征向量聚类；联合诊断模块：用于对待诊断病例进行聚类，建立基于上消化道出血的症状信息和生物学指标数据的联合诊断模型。本发明专利技术在改进聚类算法的基础上基于消化道出血的症状信息和有效的生物学指标进行联合诊断和筛查，可准确预测上消化道出血发病的原因和结果。原因和结果。原因和结果。

【技术实现步骤摘要】
一种基于上消化道出血预测疾病的系统、设备、存储介质


[0001]本专利技术涉及疾病辅助诊断设备领域，具体涉及一种基于上消化道出血预测疾病的系统、设备、存储介质。

技术介绍

[0002]上消化道出血是指食管、胃、十二指肠及空肠上段出血，为临床常见急症之一，临床表现有呕血、黑便、贫血等。上消化道出血最常见的原因为消化性溃疡、糜烂性胃炎、肝硬化所致的门脉高压症、食道静脉曲张破裂出血、胃癌、肝外伤等。临床表现取决于出血病变的性质、部位、失血量与速度，并与患者出血时的全身状况密切相关。
[0003]在上消化道出血的临床工作中，上消化道出血的诊断主要依靠临床症状学，缺乏客观有效的生物学诊断指标，仅仅依靠临床诊断学，很难准确预测上消化道出血发病的原因和结果。

技术实现思路

[0004]有鉴于此，本专利技术提出了一种基于上消化道出血预测疾病的系统、设备、存储介质，用于将上消化道出血的症状特征信息和有效的生物学指标的客观指标结合起来，进行联合诊断和筛查，以达到准确分析上消化道出血发病的原因和结果。
[0005]本专利技术第一方面，一种基于上消化道出血预测疾病的系统，所述系统包括：
[0006]数据获取模块：用于从电子病例库中提取出以上消化道出血作为临床第一主诉症状的病例样本；
[0007]特征提取模块：用于提取各病例样本中上消化道出血的症状信息、相关生物学指标数据以及对应的疾病名称，组成病例样本特征向量；
[0008]疾病聚类模块：用于确定聚类类别，采用改进的鸟群算法优化的K均值聚类算法对所述病例样本特征向量聚类；
[0009]联合诊断模块：用于获取待诊断病例，对待诊断病例进行聚类，建立待诊断病例与聚类内部病例样本之间上消化道出血的症状信息之间的语义相似度和生物学指标数据之间的欧氏距离的联合诊断模型。
[0010]优选的，所述特征提取模块中，通过TF-IDF提取各病例样本中上消化道出血的症状信息的特征项，建立上消化道出血的症状信息的特征向量；相关生物学指标数据包括脉搏、血压、肠鸣音、尿量、肝功变化数据、纤维内窥镜检查数据，将所述生物学指标数据归一化，组成生物学指标向量；所述病例样本特征向量由上消化道出血的症状信息的特征向量和生物学指标向量组成。
[0011]优选的，所述疾病聚类模块具体包括：
[0012]初始化单元：初始化种群，计算适应度值，选择初始化全局最优值；
[0013]种群更新单元：产生的(0,1)之间随机数a和常数P，当a>P时，选择觅食，否则保持警觉；
[0014]当a>P时，通过非线性权重调节的方式进行觅食位置更新，位置更新公式为：
[0015][0016][0017][0018]其中，分别表示第i只鸟在第j维空间t时刻所在位置，C1和C2分别为感知系数和社会进化系数，P
i,j
为第i只鸟经过的最优位置，G
i,j
为群体最优位置。
[0019]当a<P时，鸟群保持警戒，位置更新公式为：
[0020][0021][0022][0023]其中，a1、a2∈[0,2]，k是[1,N]之间的随机整数，且k≠i，f
i
、f
k
分别为第i、k只灰狼的适应度值；sumf为整个种群的适应度之和，ε为常数，mean
j
为种群的平均适应度值；
[0024]让鸟群按周期迁徙，并产生生产者和乞食者，对生产者和乞食者进行位置更新；
[0025]评价单元：计算新的适应度值，更新历史最优值，返回种群更新单元，直到达到设定迭代次数，输出最优位置作为聚类中心点。
[0026]优选的，所述疾病聚类模块中，评价单元的适应度函数为类内距离之和，即其中K为聚类类别数，d(X
i
,C
j
)为第j类中每个数据对象X
i
到个对应的聚类中心点C
j
的距离。
[0027]优选的，联合诊断模块具体包括：
[0028]聚类单元：对获取的待诊断病例进行特征提取，得到待诊断病例特征向量，计算待诊断病例特征向量到各个聚类中心点的欧式距离，选取欧式距离最小的类簇；
[0029]计算单元：计算待诊断病例与聚类类簇内部病例样本之间上消化道出血的症状信息的特征向量之间的余弦相似度α；计算待诊断病例与聚类类簇内部病例样本之间生物学指标向量的欧氏距离β；
[0030]判断单元：计算每个病例样本的联合相似度s，s＝w1α+w2(1-β)，w1+w2＝1，取联合相似度最大的病例样本对应的疾病类型作为待诊断病例的疾病预测结果。
[0031]本专利技术第二方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；
[0032]其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
[0033]所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本专利技术第一方面所述的系统。
[0034]本专利技术第三方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储
计算机指令，所述计算机指令使所述计算机实现本专利技术第一方面所述的系统。
[0035]本专利技术相对于现有技术具有以下有益效果：
[0036]1)本专利技术采用改进的鸟群算法结合K均值算法进行病例聚类，通过非线性权重调节的方式进行种群位置更新，在迭代学习的过程中增强向优秀个体的学习能力，使种群在觅食初期即能实现高效寻优，提高收敛速度；基于聚结果再进行疾病类别细分，可减小疾病筛查范围、加快疾病预测速度。
[0037]2)本专利技术将上消化道出血的症状信息和有效的生物学指标的客观指标结合起来，通过建立特征信息语义相似性计算模型和生物学认知指标构建的诊断模型，进行联合诊断和筛查，可准确预测上消化道出血发病的结果，基于电子病例库的大数据信息，还可分析上消化道出血发病的原因，是一种简单实用的辅助诊断设备。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1为本专利技术基于上消化道出血预测疾病的系统结构示意图。
具体实施方式
[0040]下面将结合本专利技术实施方式，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。
[0041]如图1所示，本专利技术提出一种基于上消化道出血预测疾病的系统，所述系统包括数据获取模块100、特征提取模块200、疾病聚类模块300、联本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于上消化道出血预测疾病的系统，其特征在于，所述系统包括：数据获取模块：用于从电子病例库中提取出以上消化道出血作为临床第一主诉症状的病例样本；特征提取模块：用于提取各病例样本中上消化道出血的症状信息、相关生物学指标数据以及对应的疾病名称，组成病例样本特征向量；疾病聚类模块：用于确定聚类类别，采用改进的鸟群算法优化的K均值聚类算法对所述病例样本特征向量聚类；联合诊断模块：用于获取待诊断病例，对待诊断病例进行聚类，建立待诊断病例与聚类内部病例样本之间上消化道出血的症状信息之间的语义相似度和生物学指标数据之间的欧氏距离的联合诊断模型，对待诊断病例进行预测。2.根据权利要求1所述基于上消化道出血预测疾病的系统，其特征在于，所述特征提取模块中，通过TF-IDF提取各病例样本中上消化道出血的症状信息的特征项，建立上消化道出血的症状信息的特征向量；相关生物学指标数据包括血常规、肝功能、肾功能、粪便常规，将所述生物学指标数据归一化，组成生物学指标向量；所述病例样本特征向量由上消化道出血的症状信息的特征向量和生物学指标向量组成。3.根据权利要求1所述基于上消化道出血预测疾病的系统，其特征在于，所述疾病聚类模块具体包括：初始化单元：初始化种群，计算适应度值，选择初始化全局最优值；种群更新单元：产生的(0,1)之间随机数a和常数P，当a>P时，选择觅食，否则保持警觉；当a>P时，通过非线性权重调节的方式进行觅食位置更新，位置更新公式为：当a>P时，通过非线性权重调节的方式进行觅食位置更新，位置更新公式为：当a>P时，通过非线性权重调节的方式进行觅食位置更新，位置更新公式为：其中，分别表示第i只鸟在第j维空间t时刻所在位置，C1和C2分别为感知系数和社会进化系数，P
i,j
为第i只鸟经过的最优位置，G
i,j
为群体最优位置。当a<P时，鸟群保持警戒，位置更新公式为：当a<P时，鸟群保持警戒，位置更新公式为：当a<P...

【专利技术属性】
技术研发人员：杜登斌，杜乐，杜小军，
申请(专利权)人：吾征智能技术北京有限公司，
类型：发明
国别省市：