一种情感障碍的识别处理方法技术

本发明专利技术提供一种情感障碍的识别处理方法，其包括以下步骤:数据样本选择、特征筛选、特征排序、模型优化。本发明专利技术对ADE量表数据进行系统的分析、建模，并给出模型优劣的评价方法。通过优化重组满足量表功能所需的数据项，使得简化的ADE量表对正常、抑郁和双相三类情感障碍的分类能力和原始量表相当，但实际使用的检测项数大为减少，对病人情感障碍进行有效的辅助诊断。断。断。

【技术实现步骤摘要】
一种情感障碍的识别处理方法


[0001]本专利技术涉及医学预测
，具体地说，涉及一种情感障碍的识别处理方法。

技术介绍

[0002]ADE(affective disorder evaluation)量表是一个标准化的定式访谈的诊断工具，同时它基于国外专家的共识，经过修订而成。ADE量表与情感障碍之间具有非常强的相关性，该量表在国内被广泛使用，它是在国内最初被使用的系统性诊断性评估问卷。
[0003]借助ADE(affective disorder evaluation)量表，医务工作者可以详细了解患者的病史，包括每次发作的症状表现，既往病史，起病年龄，使用药物和疗效，共患病，人格特点，个人史和家族史。通过量化评分，对正常、抑郁和双相三种情感障碍的分类具有很好的准确性，其灵敏度和特异度都在0.9以上。
[0004]但是，整个评估过程耗时相对较长，对其临床应用可能会有所限制；另外，ADE量表在使用中的一个问题就是需要了解的信息量比较大，其准确性与患者相关信息的来源的可靠程度密切相关。患者目前的疾病严重程度有可能会影响其对自身本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种情感障碍的识别处理方法，其特征在于：其包括以下步骤：步骤1：数据样本选择；从ADE(affective disorder evaluation)量表形式的样本数据集中抽取可供建模的有效样本；步骤2：特征筛选；从构建样本数据的特征集合中初步筛除方差较小的特征，删除病程相关以及结果相关的特征；步骤3：特征重要性排序；利用mRMR（Minimum Redundancy and Maximum Relevance，最小冗余最大相关性）算法计算特征集合中的每一个特征的重要性权重并从大到小排序，构建特征重要性序列F；步骤4：ADE简化量表分类模型构建与优化，其步骤如下：（4.1）结合序列前向选择( SFS , Sequential Forward Selection )算法：从特征重要性序列F中取出重要性递减，数目依次递增的特征集合S；（4.2）基于样本数据集，使用随机划分的方式，将特征集合S对应数据集分割为训练集Xtrain和测试集Xtest；（4.3）使用随机森林算法在训练集上拟合Xtrain数据集，建模过程应用十折交叉验证选取模型参数，构建对正常、抑郁和双相三类情感障碍的分类模型；（4.4）使用训练好的分类...

【专利技术属性】
技术研发人员：马燕桃，于欣，纪俊，高慧敏，李志营，朱玥，党卫民，董问天，龙岳峰，于滨，
申请(专利权)人：北京万灵盘古科技有限公司，
类型：发明
国别省市：