心腦血管患者相似性分析方法及系統(tǒng)技術(shù)方案

本發(fā)明專(zhuān)利技術(shù)提供了一種心腦血管患者相似性分析方法及系統(tǒng)，該方法包括以下步驟：步驟一，問(wèn)題定義，心腦血管患者問(wèn)題定義，步驟二，數(shù)據(jù)采集，采集心腦血管患者的健康醫(yī)療數(shù)據(jù)，步驟三，數(shù)據(jù)預(yù)處理，包括數(shù)據(jù)集成、數(shù)據(jù)清洗、缺失值處理、特征刪除以及去異常點(diǎn)，步驟四，特征工程，包括特征構(gòu)造和特征選擇、特征處理、步驟五，患者聚類(lèi)建模，步驟六，診療方案推薦。本發(fā)明專(zhuān)利技術(shù)建立有效地心腦血管患者相似性分析模型，臨床醫(yī)生通過(guò)患者特征就能得到給定患者的相似人群，然后推薦個(gè)性化治療方案，以達(dá)到精準(zhǔn)醫(yī)療的目的，能夠很好的對(duì)中國(guó)人群心腦血管疾病患者進(jìn)行基于相似性分析的人群分組，盡早針對(duì)不同的風(fēng)險(xiǎn)人群進(jìn)行有針對(duì)性的個(gè)性化康復(fù)治療。

Similarity analysis method and system for cardiovascular and cerebrovascular patients

The invention provides a cardiovascular disease similarity analysis method and system, the method comprises the following steps: step one, definition, definition, problem of cardiovascular patients in step two, data acquisition, data acquisition of cardiovascular health, patients in step three, data preprocessing, including data integration, data cleaning, the missing value processing and feature to delete and outliers, step four, including the characteristics of structure and characteristics of engineering, feature selection, feature processing, step five, step six, with clustering modeling, diagnosis and treatment recommendations. The invention establishes a similar analysis model effectively cardiovascular patients, clinicians have a similar population of patients with patient characteristics can be given, and recommend the individualized treatment plan, in order to achieve accurate medical purposes, can be very good for patients with cardiovascular and cerebrovascular diseases China similarity analysis population grouping based on different risk groups as soon as possible for rehabilitation of.

【技術(shù)實(shí)現(xiàn)步驟摘要】
心腦血管患者相似性分析方法及系統(tǒng)
本專(zhuān)利技術(shù)涉及一種智慧醫(yī)療領(lǐng)域，具體地，涉及一種心腦血管患者相似性分析方法及系統(tǒng)。
技術(shù)介紹
隨著社會(huì)的發(fā)展,心腦血管疾病的發(fā)病率逐年上升。在我國(guó),心腦血管疾病已成為當(dāng)今嚴(yán)重危害中老年人生命與健康的主要公共衛(wèi)生問(wèn)題，其發(fā)病率、病死率、致殘率較高。根據(jù)統(tǒng)計(jì)，中國(guó)每年發(fā)生腦中風(fēng)病人達(dá)200萬(wàn)，致殘率高達(dá)75％，約3/4的患者有不同程度勞動(dòng)喪失，生活需要照顧，給患者、家庭、社會(huì)帶來(lái)沉重的負(fù)擔(dān)。隨著康復(fù)醫(yī)學(xué)在我國(guó)得到迅速發(fā)展，心腦血管患者的病死率顯著降低，但致殘率仍非常高。今后臨床治療模式將越來(lái)越呈現(xiàn)個(gè)性化、精確化，精準(zhǔn)康復(fù)將是今后康復(fù)醫(yī)學(xué)發(fā)展方向。目前的康復(fù)治療沒(méi)有從臨床的角度根據(jù)病因、生理體征、生活習(xí)慣、生活環(huán)境等影響因子對(duì)患者群體進(jìn)行基于相似性的有效分組，因此也就無(wú)法對(duì)患者進(jìn)行個(gè)性化的康復(fù)治療，大大影響了患者的康復(fù)效果和滿(mǎn)意度。隨著醫(yī)療信息化的發(fā)展，醫(yī)院也積累了大量的數(shù)據(jù)。如何更好的利用數(shù)據(jù)以及醫(yī)學(xué)知識(shí)，通過(guò)認(rèn)知計(jì)算技術(shù)，提供精準(zhǔn)醫(yī)療的決策是心腦血管疾病臨床治療階段所需要的。本專(zhuān)利技術(shù)的主要目標(biāo)就是基于歷史數(shù)據(jù)將腦卒中康復(fù)患者細(xì)化分群，為特定患者找到患情最相似的一群其他患者，從而基于相似患者的診療實(shí)踐提取和挖據(jù)診療證據(jù)，為目標(biāo)個(gè)體患者的個(gè)性化的康復(fù)治療項(xiàng)目。到目前為止，基于認(rèn)知計(jì)算技術(shù)的中國(guó)人群心腦血管疾病相似性分析方面尚屬空白。而國(guó)內(nèi)外認(rèn)知計(jì)算技術(shù)在心腦血管疾病中的應(yīng)用主要集中在發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)及診斷方面，在心腦血管患者相似性分析方面還尚未見(jiàn)有報(bào)道。鑒于國(guó)內(nèi)外沒(méi)有可用于心腦血管患者相似性分析的智能模型，很有必要建立一種面向臨床醫(yī)生的心腦血管患者相似性分析模型。
技術(shù)實(shí)現(xiàn)思路
針對(duì)現(xiàn)有技術(shù)中的缺陷，本專(zhuān)利技術(shù)的目的是提供一種心腦血管患者相似性分析方法及系統(tǒng)，其建立有效地心腦血管患者相似性分析模型，臨床醫(yī)生通過(guò)患者特征就能得到給定患者的相似人群，然后推薦個(gè)性化治療方案，以達(dá)到精準(zhǔn)醫(yī)療的目的，能夠很好的對(duì)中國(guó)人群心腦血管疾病患者進(jìn)行基于相似性分析的人群分組，盡早針對(duì)不同的風(fēng)險(xiǎn)人群進(jìn)行有針對(duì)性的個(gè)性化康復(fù)治療，具有巨大的醫(yī)療和臨床使用價(jià)值。根據(jù)本專(zhuān)利技術(shù)的一個(gè)方面，提供一種心腦血管患者相似性分析方法，其特征在于，其包括以下步驟：步驟一，問(wèn)題定義，基于歷史數(shù)據(jù)對(duì)心腦血管患者進(jìn)行細(xì)化分群，研究特定治療手段對(duì)特定人群治療結(jié)局的影響，并針對(duì)個(gè)體患者推薦個(gè)性化治療方案，將幫助臨床醫(yī)生更精準(zhǔn)地認(rèn)識(shí)目標(biāo)患者的病情以及治療手段所帶來(lái)的預(yù)后效果，從而有效地實(shí)現(xiàn)個(gè)性化精準(zhǔn)醫(yī)療；步驟二，數(shù)據(jù)采集，針對(duì)目標(biāo)人群,從相關(guān)信息系統(tǒng)收集觀察期窗口內(nèi)的患者醫(yī)療健康數(shù)據(jù)及預(yù)后結(jié)局?jǐn)?shù)據(jù)，所采集的數(shù)據(jù)包括：康復(fù)科門(mén)診數(shù)據(jù)、康復(fù)科治療室數(shù)據(jù)、神內(nèi)/神外門(mén)診數(shù)據(jù)、神內(nèi)/神外住院數(shù)據(jù)、康復(fù)科住院數(shù)據(jù)、腦卒中篩查門(mén)診數(shù)據(jù)，這些數(shù)據(jù)涉及的內(nèi)容涵蓋有患者基本信息、病歷或電子病歷、檢測(cè)檢驗(yàn)、影像、診斷、處方、治療、評(píng)估表數(shù)據(jù)；步驟三，數(shù)據(jù)預(yù)處理，所采集的數(shù)據(jù)類(lèi)型多種多樣，包括：選擇項(xiàng)、日期時(shí)間、數(shù)值型、字符型以及是否型數(shù)據(jù)，針對(duì)不同數(shù)據(jù)類(lèi)型需要采取不同處理方法進(jìn)行針對(duì)性數(shù)據(jù)預(yù)處理；步驟四，特征工程，患者數(shù)據(jù)來(lái)自多個(gè)臨床數(shù)據(jù)庫(kù)，涉及患者個(gè)體生理信息、歷史診療信息、病情信息，在使用機(jī)器學(xué)習(xí)技術(shù)建模學(xué)習(xí)數(shù)據(jù)之前，首先需要使用特定領(lǐng)域知識(shí)以及統(tǒng)計(jì)學(xué)習(xí)方法來(lái)提取或組合變化得到的各屬性數(shù)據(jù)，從而生成有效的特征數(shù)據(jù)；步驟五，基于相似性的患者聚類(lèi)建模，采用基于劃分的聚類(lèi)算法、k-均值算法進(jìn)行患者的聚類(lèi)建模，其中通過(guò)夾角余弦來(lái)度量患者之間的相似性；步驟六，診療方案推薦，當(dāng)患者問(wèn)診時(shí)，結(jié)合問(wèn)診患者的個(gè)體特征和病患群體特征，采用基于相似性計(jì)算的群組定向技術(shù)，為問(wèn)診患者找到最相近歷史病患群組，抽取出該群組內(nèi)病患的主體診療方案作為首選診療方案推薦給問(wèn)診患者。優(yōu)選地，所述步驟三具體包括以下步驟：步驟三十一，數(shù)據(jù)集成，把不同來(lái)源的數(shù)據(jù)按照一定規(guī)則整合到一起，根據(jù)病人ID號(hào)把不同數(shù)據(jù)源但是有同樣ID號(hào)的信息連接在一起，這樣所有不同數(shù)據(jù)源的數(shù)據(jù)就整合到了一起；步驟三十二，數(shù)據(jù)清洗，針對(duì)不同數(shù)據(jù)類(lèi)型存在的不同問(wèn)題，提出了基于規(guī)則的數(shù)據(jù)清洗方法；步驟三十三，缺失值處理，醫(yī)療領(lǐng)域的特征數(shù)據(jù)普遍在時(shí)間序列上比較稀疏，因此采用基于正則化最大期望算法進(jìn)行缺失數(shù)據(jù)的填補(bǔ)，將缺失特征變量視為無(wú)法觀測(cè)的隱藏變量，此方法一般分為三步：一，計(jì)算最大期望；二，正則化EM，避免過(guò)度擬合；三，對(duì)上一步生成的方程進(jìn)行評(píng)估；步驟三十四，特征刪除，根據(jù)專(zhuān)家知識(shí)對(duì)那些無(wú)效值和缺失值超過(guò)總樣本量30％的，對(duì)于診斷問(wèn)題不是特別重要的特征進(jìn)行刪除處理；步驟三十五，去異常點(diǎn)，采用偏差分析、基于分布不合理性的異常檢測(cè)方法，結(jié)合常識(shí)性規(guī)則、業(yè)務(wù)特定規(guī)則進(jìn)行異常值的識(shí)別，并對(duì)異常點(diǎn)進(jìn)行刪除處理。優(yōu)選地，所述步驟四具體包括以下步驟：步驟四十一，特征構(gòu)造和特征選擇，其基于預(yù)處理后的數(shù)據(jù)，通過(guò)特征構(gòu)造和特征選擇技術(shù)識(shí)別潛在的風(fēng)險(xiǎn)因子；步驟四十二，特征處理，使用log映射函數(shù)將特征取值映射到[0，1]區(qū)間，同時(shí)采用等值劃分方法對(duì)連續(xù)數(shù)據(jù)的離散化處理，將特征空間按照值域進(jìn)行均分，每一段內(nèi)的取值等同處理。本專(zhuān)利技術(shù)還提供一種心腦血管患者相似性分析系統(tǒng)，其特征在于，其包括：?jiǎn)栴}定義模塊，基于歷史數(shù)據(jù)對(duì)心腦血管患者進(jìn)行細(xì)化分群，研究特定治療手段對(duì)特定人群治療結(jié)局的影響，并針對(duì)個(gè)體患者推薦個(gè)性化治療方案；數(shù)據(jù)采集模塊，從相關(guān)信息系統(tǒng)收集觀察期窗口內(nèi)的患者醫(yī)療健康數(shù)據(jù)及預(yù)后結(jié)局?jǐn)?shù)據(jù)；數(shù)據(jù)預(yù)處理模塊，針對(duì)不同數(shù)據(jù)類(lèi)型需要采取不同處理方法進(jìn)行針對(duì)性數(shù)據(jù)預(yù)處理；特征工程生成模塊，生成有效的特征數(shù)據(jù)；患者聚類(lèi)建模模塊，采用基于劃分的聚類(lèi)算法，即k-均值算法進(jìn)行患者的聚類(lèi)建模；診療方案推薦模塊，采用基于相似性計(jì)算的群組定向技術(shù)，為問(wèn)診患者找到最相近歷史病患群組，抽取出該群組內(nèi)病患的主體診療方案作為首選診療方案推薦給問(wèn)診患者；數(shù)據(jù)庫(kù)，存儲(chǔ)數(shù)據(jù)采集模塊采集的數(shù)據(jù)以及診療方案推薦模塊的治療方案。優(yōu)選地，所述問(wèn)題定義模塊、數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、特征工程生成模塊、患者聚類(lèi)建模模塊、診療方案推薦模塊依次連接，數(shù)據(jù)庫(kù)與數(shù)據(jù)采集模塊連接。與現(xiàn)有技術(shù)相比，本專(zhuān)利技術(shù)具有如下的有益效果：本專(zhuān)利技術(shù)建立有效地心腦血管患者相似性分析模型，臨床醫(yī)生通過(guò)患者特征就能得到給定患者的相似人群，然后推薦個(gè)性化治療方案，以達(dá)到精準(zhǔn)醫(yī)療的目的，能夠很好的對(duì)中國(guó)人群心腦血管疾病患者進(jìn)行基于相似性分析的人群分組，盡早針對(duì)不同的風(fēng)險(xiǎn)人群進(jìn)行有針對(duì)性的個(gè)性化康復(fù)治療，具有巨大的醫(yī)療和臨床使用價(jià)值。附圖說(shuō)明通過(guò)閱讀參照以下附圖對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本專(zhuān)利技術(shù)的其它特征、目的和優(yōu)點(diǎn)將會(huì)變得更明顯：圖1為本專(zhuān)利技術(shù)心腦血管疾病相似性分析方法的流程圖。圖2為特征選擇的一般過(guò)程的流程圖。圖3為本專(zhuān)利技術(shù)心腦血管疾病相似性分析系統(tǒng)的原理框圖。具體實(shí)施方式下面結(jié)合具體實(shí)施例對(duì)本專(zhuān)利技術(shù)進(jìn)行詳細(xì)說(shuō)明。以下實(shí)施例將有助于本領(lǐng)域的技術(shù)人員進(jìn)一步理解本專(zhuān)利技術(shù)，但不以任何形式限制本專(zhuān)利技術(shù)。應(yīng)當(dāng)指出的是，對(duì)本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本專(zhuān)利技術(shù)構(gòu)思的前提下，還可以做出若干變形和改進(jìn)。這些都屬于本專(zhuān)利技術(shù)的保護(hù)范圍。如圖1所示，本專(zhuān)利技術(shù)心腦血管患者相似性分析方法包括以下步驟：步驟一，問(wèn)題定義，基于歷史數(shù)據(jù)對(duì)心腦血管患者進(jìn)行細(xì)化分群，研究特本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種心腦血管患者相似性分析方法，其特征在于，其包括以下步驟：步驟一，問(wèn)題定義，基于歷史數(shù)據(jù)對(duì)心腦血管患者進(jìn)行細(xì)化分群，研究特定治療手段對(duì)特定人群治療結(jié)局的影響，并針對(duì)個(gè)體患者推薦個(gè)性化治療方案，將幫助臨床醫(yī)生更精準(zhǔn)地認(rèn)識(shí)目標(biāo)患者的病情以及治療手段所帶來(lái)的預(yù)后效果，從而有效地實(shí)現(xiàn)個(gè)性化精準(zhǔn)醫(yī)療；步驟二，數(shù)據(jù)采集，針對(duì)目標(biāo)人群,從相關(guān)信息系統(tǒng)收集觀察期窗口內(nèi)的患者醫(yī)療健康數(shù)據(jù)及預(yù)后結(jié)局?jǐn)?shù)據(jù)，所采集的數(shù)據(jù)包括：康復(fù)科門(mén)診數(shù)據(jù)、康復(fù)科治療室數(shù)據(jù)、神內(nèi)/神外門(mén)診數(shù)據(jù)、神內(nèi)/神外住院數(shù)據(jù)、康復(fù)科住院數(shù)據(jù)、腦卒中篩查門(mén)診數(shù)據(jù)，這些數(shù)據(jù)涉及的內(nèi)容涵蓋有患者基本信息、病歷或電子病歷、檢測(cè)檢驗(yàn)、影像、診斷、處方、治療、評(píng)估表數(shù)據(jù)；步驟三，數(shù)據(jù)預(yù)處理，所采集的數(shù)據(jù)類(lèi)型多種多樣，包括：選擇項(xiàng)、日期時(shí)間、數(shù)值型、字符型以及是否型數(shù)據(jù)，針對(duì)不同數(shù)據(jù)類(lèi)型需要采取不同處理方法進(jìn)行針對(duì)性數(shù)據(jù)預(yù)處理；步驟四，特征工程，患者數(shù)據(jù)來(lái)自多個(gè)臨床數(shù)據(jù)庫(kù)，涉及患者個(gè)體生理信息、歷史診療信息、病情信息，在使用機(jī)器學(xué)習(xí)技術(shù)建模學(xué)習(xí)數(shù)據(jù)之前，首先需要使用特定領(lǐng)域知識(shí)以及統(tǒng)計(jì)學(xué)習(xí)方法來(lái)提取或組合變化得到的各屬性數(shù)據(jù)，從而生成有效的特征數(shù)據(jù)；步驟五，基于相似性的患者聚類(lèi)建模，采用基于劃分的聚類(lèi)算法，即k?均值算法進(jìn)行患者的聚類(lèi)建模，其中通過(guò)夾角余弦來(lái)度量患者之間的相似性；步驟六，診療方案推薦，當(dāng)患者問(wèn)診時(shí)，結(jié)合問(wèn)診患者的個(gè)體特征和病患群體特征，采用基于相似性計(jì)算的群組定向技術(shù)，為問(wèn)診患者找到最相近歷史病患群組，抽取出該群組內(nèi)病患的主體診療方案作為首選診療方案推薦給問(wèn)診患者。...

【技術(shù)特征摘要】
1.一種心腦血管患者相似性分析方法，其特征在于，其包括以下步驟：步驟一，問(wèn)題定義，基于歷史數(shù)據(jù)對(duì)心腦血管患者進(jìn)行細(xì)化分群，研究特定治療手段對(duì)特定人群治療結(jié)局的影響，并針對(duì)個(gè)體患者推薦個(gè)性化治療方案，將幫助臨床醫(yī)生更精準(zhǔn)地認(rèn)識(shí)目標(biāo)患者的病情以及治療手段所帶來(lái)的預(yù)后效果，從而有效地實(shí)現(xiàn)個(gè)性化精準(zhǔn)醫(yī)療；步驟二，數(shù)據(jù)采集，針對(duì)目標(biāo)人群,從相關(guān)信息系統(tǒng)收集觀察期窗口內(nèi)的患者醫(yī)療健康數(shù)據(jù)及預(yù)后結(jié)局?jǐn)?shù)據(jù)，所采集的數(shù)據(jù)包括：康復(fù)科門(mén)診數(shù)據(jù)、康復(fù)科治療室數(shù)據(jù)、神內(nèi)/神外門(mén)診數(shù)據(jù)、神內(nèi)/神外住院數(shù)據(jù)、康復(fù)科住院數(shù)據(jù)、腦卒中篩查門(mén)診數(shù)據(jù)，這些數(shù)據(jù)涉及的內(nèi)容涵蓋有患者基本信息、病歷或電子病歷、檢測(cè)檢驗(yàn)、影像、診斷、處方、治療、評(píng)估表數(shù)據(jù)；步驟三，數(shù)據(jù)預(yù)處理，所采集的數(shù)據(jù)類(lèi)型多種多樣，包括：選擇項(xiàng)、日期時(shí)間、數(shù)值型、字符型以及是否型數(shù)據(jù)，針對(duì)不同數(shù)據(jù)類(lèi)型需要采取不同處理方法進(jìn)行針對(duì)性數(shù)據(jù)預(yù)處理；步驟四，特征工程，患者數(shù)據(jù)來(lái)自多個(gè)臨床數(shù)據(jù)庫(kù)，涉及患者個(gè)體生理信息、歷史診療信息、病情信息，在使用機(jī)器學(xué)習(xí)技術(shù)建模學(xué)習(xí)數(shù)據(jù)之前，首先需要使用特定領(lǐng)域知識(shí)以及統(tǒng)計(jì)學(xué)習(xí)方法來(lái)提取或組合變化得到的各屬性數(shù)據(jù)，從而生成有效的特征數(shù)據(jù)；步驟五，基于相似性的患者聚類(lèi)建模，采用基于劃分的聚類(lèi)算法，即k-均值算法進(jìn)行患者的聚類(lèi)建模，其中通過(guò)夾角余弦來(lái)度量患者之間的相似性；步驟六，診療方案推薦，當(dāng)患者問(wèn)診時(shí)，結(jié)合問(wèn)診患者的個(gè)體特征和病患群體特征，采用基于相似性計(jì)算的群組定向技術(shù)，為問(wèn)診患者找到最相近歷史病患群組，抽取出該群組內(nèi)病患的主體診療方案作為首選診療方案推薦給問(wèn)診患者。2.根據(jù)權(quán)利要求1所述的心腦血管患者相似性分析方法，其特征在于，所述步驟三具體包括以下步驟：步驟三十一，數(shù)據(jù)集成，把不同來(lái)源的數(shù)據(jù)按照一定規(guī)則整合到一起，根據(jù)病人ID號(hào)把不同數(shù)據(jù)源但是有同樣ID號(hào)的信息連接在一起，這樣所有不同數(shù)據(jù)源的數(shù)據(jù)就整合到了一起；步驟三十二，數(shù)據(jù)清洗，針對(duì)不同數(shù)據(jù)類(lèi)型存在的不同問(wèn)題，提出了基于規(guī)則的數(shù)據(jù)清洗方法；步驟三十三，缺失值處理，醫(yī)療領(lǐng)...

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：童曉渝，章玉宇，崔修濤，王永明，熊偉，胡天龍，廖光源，
申請(qǐng)(專(zhuān)利權(quán))人：中電科軟件信息服務(wù)有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：上海,31