一种基于机器学习预测冠心病的辅助诊断方法、系统、介质及处理器

本发明涉及统计预测，特别涉及一种基于机器学习预测冠心病的辅助诊断方法、系统、介质及处理器。

背景技术：

1、冠心病(coronary artery disease,cad)是全球范围内引起最多死亡的疾病之一，作为心血管疾病中的一种，冠心病引起的死亡病例也呈现增长趋势。

2、许多测试可能有助于冠心病的诊断，包括：心电图、心脏压力测试、冠状动脉计算机断层造影和冠状动脉造影等，其中冠状动脉造影为主要诊断依据的。但是在一般情况下，只有当症状出现且非常严重的时候，才会开展冠脉造影的检查。所以，目前缺少简单、有效冠心病的排查手段。现有技术中，专利号为cn117637174a的冠心病预测模型的训练方法、计算机设备及可读存储介质虽然对冠心病不同进展阶段建立预测模型，降低不良心血管事件的发生率。但是，该方案用于模型训练的数据仅为外周血核心细胞，包含的信息量比较有限，对冠心病的预测准确率不高。

技术实现思路

1、针对现有技术中对冠心病建立预测模型的模型训练的数据仅为外周血核心细胞，包含的信息量比较有限，对冠心病的预测准确率不高的问题，本发明提供了一种基于机器学习预测冠心病的辅助诊断方法、系统、介质及处理器，能够根据机器学习辅助诊断可以减少医生在诊断过程中的主观性和不确定性，提高诊断效率。具体技术方案如下：

2、一种基于机器学习预测冠心病的辅助诊断方法，包括以下步骤：

3、获取医院记录病人的历史数据，包括所有冠心病患者的历史数据和心内科就诊的非冠心病患者的历史数据；

4、提取所述历史数据中与冠心病症状相关的多项关键特征，并将每个病人的多项关键特征作为一个样本形成样本集；

5、将所述样本集按预设比例划分成训练集和验证集，并输入两层机器学习模型进行学习形成具有输出冠心病风险评分的冠心病预测模型；

6、将就诊病人的多项关键特征输入所述冠心病预测模型，得到所述就诊病人的冠心病风险评分。

7、优选的，所述将所述样本集按预设比例划分成训练集和验证集，并输入两层机器学习模型进行学习形成具有输出冠心病风险评分的冠心病预测模型包括：

8、将所述训练集分别进行随机森林模型和梯度提升数树模型进行超参数优化，根据训练集的交叉验证得到最优的超参数组合；

9、利用最优超参数组合对随机森林模型和梯度提升树模型进行训练，得到随机森林模型和梯度提升树模型配置为输出每个样本的冠心病概率；

10、将所述每个样本的冠心病概率作为后验概率输入中性神经网络机器进行超参数优化，得到训练好的中性神经网络模型；

11、将所述随机森林模型和梯度提升树模型作为冠心病预测模型的第一层，将所述中性神经网络模型作为冠心病预测模型的第二层，得到基于两层机器学习的冠心病预测模型。

12、优选的，所述将就诊病人的多项关键特征输入所述冠心病预测模型，得到所述就诊病人的冠心病风险评分包括：

13、将就诊病人的多项关键特征输入所述冠心病预测模型，并以所述冠心病预测模型的中性神经网络模型计算得到的后验概率作为冠心病风险评分。

14、优选的，所述获取医院记录病人的历史数据具体指：

15、获取医院记录所有冠心病患者的历史数据和心内科就诊的非冠心病患者的历史数据，历史数据包括实验室检查数据、医疗器械检查数据、病史数据、家族病史数据和病人基本信息数据。

16、优选的，所述提取所述历史数据中与冠心病症状相关的多项关键特征，并将每个病人的多项关键特征作为一个样本形成样本集包括：

17、将所述历史数据分成分类数据、文字数据和数字数据形式的数据；

18、通过数据转换将文字数据、数字数据均转换为分类数据；

19、将转换后的分类数据进行过滤处理，得到与冠心病症状相关的多项关键特征，并将每个病人的多项关键特征作为一个样本形成样本集。

20、优选的，一种基于机器学习预测冠心病的辅助诊断方法还包括：

21、将所述就诊病人的冠心病风险评分与预设风险阈值进行比较，根据比较结果输出就诊病人的检查项目。

22、一种基于机器学习预测冠心病的辅助诊断系统，应用于前述的基于机器学习预测冠心病的辅助诊断方法，包括：

23、数据获取单元，用于获取医院记录病人的历史数据，包括所有冠心病患者的历史数据和心内科就诊的非冠心病患者的历史数据；

24、特征提取单元，用于提取所述历史数据中与冠心病症状相关的多项关键特征，并将每个病人的多项关键特征作为一个样本形成样本集；

25、模型学习生成单元，用于将所述样本集按预设比例划分成训练集和验证集，并输入两层机器学习模型进行学习形成具有输出冠心病风险评分的冠心病预测模型；

26、患病预测单元，用于将就诊病人的多项关键特征输入所述冠心病预测模型，得到所述就诊病人的冠心病风险评分。

27、一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行前述的基于机器学习预测冠心病的辅助诊断方法。

28、一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行前述的基于机器学习预测冠心病的辅助诊断方法。

29、与现有技术相比，本发明的有益效果为：

30、本发明的一种基于机器学习预测冠心病的辅助诊断方法通过获取医院记录病人的历史数据，包括所有冠心病患者的历史数据和心内科就诊的非冠心病患者的历史数据；提取所述历史数据中与冠心病症状相关的多项关键特征，并将每个病人的多项关键特征作为一个样本形成样本集；将所述样本集按预设比例划分成训练集和验证集，并输入两层机器学习模型进行学习形成具有输出冠心病风险评分的冠心病预测模型；将就诊病人的多项关键特征输入所述冠心病预测模型，得到所述就诊病人的冠心病风险评分。本发明自动化处理大量数据，基于机器学习辅助诊断可以减少医生在诊断过程中的主观性和不确定性，提高诊断效率。

1.一种基于机器学习预测冠心病的辅助诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于机器学习预测冠心病的辅助诊断方法，其特征在于，所述将所述样本集按预设比例划分成训练集和验证集，并输入两层机器学习模型进行学习形成具有输出冠心病风险评分的冠心病预测模型包括：

3.根据权利要求2所述的基于机器学习预测冠心病的辅助诊断方法，其特征在于，所述将就诊病人的多项关键特征输入所述冠心病预测模型，得到所述就诊病人的冠心病风险评分包括：将就诊病人的多项关键特征输入所述冠心病预测模型，并以所述冠心病预测模型的中性神经网络模型计算得到的后验概率作为冠心病风险评分。

4.根据权利要求1所述的基于机器学习预测冠心病的辅助诊断方法，其特征在于，所述获取医院记录病人的历史数据具体指：

5.根据权利要求4所述的基于机器学习预测冠心病的辅助诊断方法，其特征在于，所述提取所述历史数据中与冠心病症状相关的多项关键特征，并将每个病人的多项关键特征作为一个样本形成样本集包括：

6.根据权利要求1所述的基于机器学习预测冠心病的辅助诊断方法，其特征在于，还包括：将所述就诊病人的冠心病风险评分与预设风险阈值进行比较，根据比较结果输出就诊病人的检查项目。

7.一种基于机器学习预测冠心病的辅助诊断系统，其特征在于，应用于权利要求1至6任一所述的基于机器学习预测冠心病的辅助诊断方法，包括：

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任意一项所述的基于机器学习预测冠心病的辅助诊断方法。

9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的基于机器学习预测冠心病的辅助诊断方法。