一種基於樸素貝葉斯的醫療影像疾病分類方法
2023-05-21 16:05:51 1
一種基於樸素貝葉斯的醫療影像疾病分類方法
【專利摘要】本發明公開了一種基於樸素貝葉斯的醫療影像疾病分類方法。本發明根據設備類型和診斷報告表中的影像所見、診斷結論等文本信息,自動判斷影像檢查結果所屬的疾病類型。考慮到樸素貝葉斯分類的獨立性假設在實際應用中的影響,本發明採用K-Means聚類算法進行疾病聚類分析,將相似程度高的數據劃分到同一簇中,相似程度低的數據劃分到不同簇中,同時確定疾病類別數量。本發明利用樸素貝葉斯算法的高效、速度快特點,在保證分類精度的同時很大程度上提高了醫療影像檢索的分類速度。
【專利說明】一種基於樸素貝葉斯的醫療影像疾病分類方法
【技術領域】
[0001]本發明涉及醫療影像疾病分類領域,具體涉及一種基於樸素貝葉斯的醫療影像疾病分類方法。
【背景技術】
[0002]隨著數位化醫院的建設,大型醫院長年積累了海量的醫療文本信息,面對這浩如煙海的文本數據,如何快速檢索發現有用的信息、多角度利用這些文本和有效的對這些信息進行歸類整理,進而挖掘出隱含的、有用的醫療知識和經驗便顯得尤為迫切。因此研究自動分類、聚類技術來改進傳統的資料庫結構化查詢有著十分重要的意義。
[0003]文本分類和聚類是文本信息處理領域的一個重要分支,其目標就是研究如何更有效地組織和管理文本信息,並快速、準確、全面地從中找到、分流、定位和形成用戶所需要的信息。文本分類和聚類作為獲取和組織大量文本數據的關鍵技術,可以在很大程度上解決信息雜亂和信息爆炸的問題。
[0004]聚類分析是按照一定的度量規則將數據集合進行劃分,以此形成若干聚類簇。目的是使得在同一個簇中的數據或屬性具有較大的相似程度,而不同簇之間相似程度低。K-Means聚類算法是一種基於劃分的聚類算法,嘗試找出使得平方誤差函數值最小的K個劃分,當簇與簇之間的特徵區別比較明顯時,並且結果簇是密集的,K-Means聚類結果的效果較好。K-Means聚類算法的優點主要集中在:算法快速、簡單;對大數據集有較高的效率並且是可伸縮性的。
[0005]樸素貝葉斯分類作為一類基於概率統計知識的分類方法,可以與基於決策樹和神經網絡的分類方法相媲美,且該方法較簡單、準確率高、分類過程中時間空間開銷小,非常適合運用於醫療影像資料庫等大型資料庫中。
[0006]目前,對於醫療影像疾病的分類,主要採用RIS/PACS系統所提供的基本分類功能,但其並非自動分類,而需要影像科醫生及時對醫療影像進行分類。由於缺乏合適的醫療影像檢查結果自動分類技術,一方面給影像科醫生增加了工作負擔;另一方面,給醫生科研檢索帶來諸多不便。為此,本發明結合基於樸素貝葉斯分類方法簡單,準確率高,時間空間開銷小等優點,提出一種基於樸素貝葉斯的醫療影像疾病自動分類方法。
【發明內容】
[0007]針對醫療影像檢查報告不能被及時進行分類,從而對醫生科研檢索帶來諸多不便的問題,利用樸素貝葉斯算法簡單,高效,穩定性強且有較好的精確度等優點,本發明提出一種基於樸素貝葉斯的醫療影像疾病分類方法,以解決上述技術問題。
[0008]疾病自動分類具體內容:根據設備類型和診斷報告表中的影像所見、診斷結論等文本信息,自動判斷影像檢查結果所屬的疾病類型。考慮到樸素貝葉斯分類的獨立性假設在實際應用中的影響,本發明採用K-Means聚類算法進行疾病聚類分析,將相似程度高的數據劃分到同一簇中,相似程度低的數據劃分到不同簇中,同時確定疾病類別數量。[0009]本發明方法具體是:
[0010]步驟1:首先利用機器學習方法,從醫療影像信息系統的數據報告表中提取10000數量的檢查記錄;使用K-Means聚類算法進行疾病聚類分析,確定十個疾病類別。K-Means聚類算法的目的是將一些數據矢量劃分至類別數目已知的聚類中。
[0011]具體的說,K-Means聚類算法進行疾病聚類分析包括以下步驟:
[0012]I)從待分類數據記錄X中任意選取K個數據記錄作為初始簇類中心C= {Cl,C2,…,ck},令K=IO ;待分類數據記錄X = {a」 a2,..., aj 表示待分類數據記錄X的一個特徵向量,X的維數是N維。
[0013]2)計算dO^Cj),VxiEX, VCy e C , d為待分類數據記錄Xi到類Cj的距離,並
把具有最小值d(Xi,Cj)的數據點Xi劃分到類&中,引進N維向量Uj作為類&的中心。
[0014]3)計算類&的中心點,通過計算類&中每個點的坐標平均值獲得,即Uj0
[0015]4)如果每個數據記錄X與它類中心點Uj的距離平方和最小,則符合條件,則停止該算法並返回最後結果C ;否則將Uj (1≤j≤10)作為新的10個簇類中心,並返回1-2)。
[0016]通過K-Means聚類算法獲得十個疾病類型後,藉助國際疾病類型分類標準KD-10將這十個類別進行疾病類型確定和編碼。
[0017]步驟2:針對不同的疾病數據,將每種疾病類型保留25-30條最具代表性的數據(這些數據必須能夠充分表示該疾病症狀,特徵),並在資料庫中對應的該條數據記錄添加疾病編碼。此舉目的在於獲取每種疾病的關鍵屬性,並將其作為文本分類過程中分類判斷依據。
[0018]步驟3:由於在各種實用資料庫中,屬性值缺失的情況經常發生,甚至不可避免。所以在大多數情況下,信息數據系統是不完備的,或者說存在某種程度的不完備。數據的不完備性會影響到樸素貝葉斯的精確度。所以我們分析整理報告數據表,清理髒數據,過濾空白數據,對待分類數據集進行缺失值處理。主要處理方法如下:
[0019]I)簡單刪除數據:將遺漏信息屬性值的數據記錄刪除。
[0020]2)補齊數據:將人們的先驗知識與數據報告表結合起來,推斷出缺失屬性的最大可能的取值,從而填充缺失數據。
[0021]結合這兩種處理方法,使數據報告表完備化。
[0022]步驟4:利用 ICTCLAS (Institute of Computing Technology, Chinese LexicalAnalysis System),即漢語詞法分析系統,對資料庫中待分類的數據記錄進行分詞,確定每條數據記錄的屬性值。
[0023]步驟5:採用樸素貝葉斯分類器模型判斷待分類數據記錄歸屬的疾病類型。設變量集U= {A,C},其中A= (A1, A2,…,A2J,包含25個條件屬性。這25個條件屬性由K-Means聚類後的十大疾病種類中抽取的關鍵詞表示。C= Ic1, C2,…,CltJ,包含十個取值,並且這十個取值對應於疾病的分類編碼。將一個待分類數據記錄X= {ai,a2,…,a25}分配給類Cid ^ I ^ 10),若且唯若=P(CiA) > P (Cj/X) (I≤i,j≤10,j關i)。具體做法如下:
[0024]I)構成統計表:統計出待分類數據記錄的個數S、類為Ci的數據記錄個數S1、類Ci的數據記錄中屬性Ak取值為ak的數據記錄個數Sik ;[0025]2)計算
【權利要求】
1.一種基於樸素貝葉斯的醫療影像疾病分類方法,其特徵在於該方法包括以下步驟:步驟1:首先利用機器學習方法,從醫療影像信息系統的數據報告表中提取10000數量的檢查記錄;使用K-Means聚類算法進行疾病聚類分析,確定十個疾病類別;K_Means聚類算法進行疾病聚類分析包括以下步驟: 1-1)從待分類數據記錄X中任意選取K個數據記錄作為初始簇類中心C = {Cl,C2,…,ck},令K=IO ;待分類數據記錄X = {a」 a2,..., aj 表示待分類數據記錄X的一個特徵向量,X的維數是N維; 1-2)計算dO^Cp,Vxi eX, VC7 e C,d為待分類數據記錄Xi到類Cj的距離,並把具有最小值d(Xi,Cj)的數據點Xi劃分到類&中,引進N維向量Uj作為類&的中心; 1-3)計算類&的中心點,通過計算類&中每個點的坐標平均值獲得,即Uj ; 1-4)如果每個數據記錄X與它類中心點Uj的距離平方和最小,則符合條件,則停止該算法並返回最後結果C ;否則將Uj (I ^ j ^ 10)作為新的10個簇類中心,並返回1-2);通過K-Means聚類算法獲得十個疾病類型後,藉助國際疾病類型分類標準ICD-10將這十個類別進行疾病類型確定和編碼; 步驟2:針對不同的疾病數據,將每種疾病類型保留25-30條最具代表性的數據,並在資料庫中對應的該條數據記錄添加疾病編碼; 步驟3:分析整理報告數據表,清理髒數據,過濾空白數據,對待分類數據集進行缺失值處理,處理方法 如下: 3-1)簡單刪除數據:將遺漏信息屬性值的數據記錄刪除; 3-2)補齊數據:將先驗知識與數據報告表結合起來,推斷出缺失屬性的最大可能的取值,從而填充缺失數據; 結合這兩種處理方法,使數據報告表完備化; 步驟4:利用漢語詞法分析系統,對資料庫中待分類的數據記錄進行分詞,確定每條數據記錄的屬性值; 步驟5:採用樸素貝葉斯分類器模型判斷待分類數據記錄歸屬的疾病類型,具體是: 設變量集U = {A,C},其中A = (A1, A2,...,A2J,包含25個條件屬性;這25個條件屬性由K-Means聚類後的十大疾病種類中抽取的關鍵詞表示;C = Ic1, c2,…,c1(l},包含十個取值,並且這十個取值對應於疾病的分類編碼;將一個待分類數據記錄X = Ia1, a2, -,a25}分配給類Ci,若且唯若:P (CiA) > P (Cj/X),具體如下: 1)構成統計表:統計出待分類數據記錄的個數S、類為Ci的數據記錄個數5」類Ci的數據記錄中屬性Ak取值為ak的數據記錄個數Sik ; 2)計算屍(C,.)= ^W = ?/、/Q =導,構成概率統計表;
S 3)利用樸素貝葉斯分類模型:
c?b (X) = arg max P{C, P(ak /C,)
! k=\ 得出待分類數據記錄X的判定結果即判定出了所屬疾病類型Cnb。
【文檔編號】G06K9/62GK103955703SQ201410171212
【公開日】2014年7月30日 申請日期:2014年4月25日 優先權日:2014年4月25日
【發明者】徐哲, 洪嘉鳴, 霍洪波, 何必仕 申請人:杭州電子科技大學