检验指标序列的特征提取方法、装置、存储介质和设备制造方法及图纸

本公开涉及一种检验指标序列的特征提取方法、装置、存储介质和设备，该方法包括：获取原始检验指标序列；对原始检验指标序列进行归一化处理，得到归一化指标序列；确定特征向量的设定维度λ和序列中的指标类别数n；基于间隔距离的不同取值，分别从序列中满足间隔距离的归一化指标值之间提取指标差异特征值，得到整体指标差异特征值；针对特征向量中的第1至n维中的任一维，根据对应的指标分布频率和整体指标差异特征值，确定该维度的特征值；针对特征向量中的第n+1至λ维中的任一维，根据间隔距离在对应取值下的指标差异特征值和整体指标差异特征值，确定该维度的特征值；根据第1至λ维的特征值，从而得到特征向量。从而得到特征向量。从而得到特征向量。

【技术实现步骤摘要】
检验指标序列的特征提取方法、装置、存储介质和设备


[0001]本公开涉及实验室检验
，具体地，涉及一种检验指标序列的特征提取方法、装置、存储介质和设备。

技术介绍

[0002]实验室检验是通过在实验室进行物理的或化学的检查来确定送检物质的内容、性质、浓度、数量等特性。由于某些实验室检验，如肿瘤标记物的检验，会贯穿于患者就诊开始、确立诊断、接受治疗以及监测观察，直到最后健康出院，期间会产生多次、多类型的检验数值结果，并且这些检验数值结果具备序列顺序关系。如果能够从这些检验数值结果中提取富含有效信息的特征向量，将会为后续基于实验室检验数值的机器学习建模具有重大帮助。

技术实现思路

[0003]本公开的目的是提供一种检验指标序列的特征提取方法、装置、存储介质和设备，以用于从具备序列顺序关系的检验数值结果中提取特征向量。
[0004]为了实现上述目的，本公开提供一种检验指标序列的特征提取方法，包括：
[0005]获取原始检验指标序列，所述原始检验指标序列中包括基于多次检验产生的不同类别的多个指标值；
[0006]对所述原始检验指标序列中的每一所述指标值分别进行归一化处理，得到归一化指标值，并根据归一化指标值得到归一化指标序列；
[0007]确定特征向量的设定维度λ和所述归一化指标序列中的指标类别数n；
[0008]基于间隔距离的不同取值，分别从所述归一化指标序列中满足所述间隔距离的归一化指标值之间提取指标差异特征值，得到整体指标差异特征值；
[0009]针对特征向量中的第1至n维中的任一维，根据所述归一化指标序列中所述维度对应类别的指标分布频率和所述整体指标差异特征值，确定所述维度的特征值；
[0010]针对特征向量中的第n+1至λ维中的任一维，确定所述维度对应的间隔距离的目标取值，并根据间隔距离在目标取值下对应的指标差异特征值和所述整体指标差异特征值，确定所述维度的特征值；
[0011]根据第1至λ维的特征值，得到所述特征向量。
[0012]可选地，所述基于间隔距离的不同取值，分别从所述归一化指标序列中满足所述间隔距离的归一化指标值之间提取指标差异特征值，得到整体指标差异特征值，包括：
[0013]在1至λ中对间隔距离j分别取值；
[0014]基于间隔距离j的取值，分别取i为1至L
‑
j，针对所述归一化指标序列中的第i个归一化指标值，计算所述第i个归一化指标值与第i+j个归一化指标值之间的差值信息，得到L
‑
j个所述差值信息，其中，L为所述归一化指标序列中的归一化指标值的数量；
[0015]根据L
‑
j个所述差值信息，确定间隔距离j在所述取值下对应的指标差异特征值；
[0016]对间隔距离在1至λ的取值下对应的指标差异特征值进行求和，得到所述整体指标差异特征值。
[0017]可选地，所述根据L
‑
j个所述差值信息，确定间隔距离j在所述取值下对应的指标差异特征值，包括：
[0018]根据如下公式计算间隔距离j在所述取值下对应的指标差异特征值：
[0019][0020]其中，θ
j
表示间隔距离j在所述取值下对应的指标差异特征值，N
i
表示第i个归一化指标值，N
i+j
表示第i+j个归一化指标值，(N
i
‑
N
i+j
)2表示第i个归一化指标值与第i+j个归一化指标值之间的差值信息。
[0021]可选地，所述针对特征向量中的第1至n维中的任一维，根据所述归一化指标序列中所述维度对应类别的指标分布频率和所述整体指标差异特征值，确定所述维度的特征值，包括：
[0022]针对特征向量中的第1至n维中的任一维，通过如下公式确定所述维度的特征值：
[0023][0024]其中，X
ε
表示第1至n维中的第ε维的特征值，w表示权重，f
ε
表示所述归一化指标序列中第ε维对应类别的指标分布频率，Π表示所述整体指标差异特征值。
[0025]可选地，所述确定所述维度对应的间隔距离的目标取值，包括：
[0026]将所述维度与所述指标类别数n的差值，作为所述维度对应的间隔距离的目标取值。
[0027]可选地，所述针对特征向量中的第n+1至λ维中的任一维，确定所述维度对应的间隔距离的目标取值，并根据间隔距离在目标取值下对应的指标差异特征值和所述整体指标差异特征值，确定所述维度的特征值，包括：
[0028]针对特征向量中的第n+1至λ维中的任一维，通过如下公式确定所述维度的特征值：
[0029][0030]其中，X
ε
表示第n+1至λ维中的第ε维的特征值，w表示权重，ε
‑
n表示第ε维对应的间隔距离的目标取值，θ
ε
‑
n
表示间隔距离在目标取值ε
‑
n下对应的指标差异特征值，Π表示所述整体指标差异特征值。
[0031]可选地，所述对所述原始检验指标序列中的每一所述指标值分别进行归一化处理，得到归一化指标值，包括：
[0032]计算所述原始检验指标序列中的指标平均值和标准差；
[0033]针对所述原始检验指标序列中的每一所述指标值，根据所述指标平均值和标准差对所述指标值进行归一化处理，得到对应的归一化指标值。
[0034]本公开还提供一种检验指标序列的特征提取装置，包括：
[0035]原始序列获取模块，用于获取原始检验指标序列，所述原始检验指标序列中包括基于多次检验产生的不同类别的多个指标值；
[0036]归一化序列获取模块，用于对所述原始检验指标序列中的每一所述指标值分别进行归一化处理，得到归一化指标值，并根据归一化指标值得到归一化指标序列；
[0037]信息确定模块，用于确定特征向量的设定维度λ和所述归一化指标序列中的指标类别数n；
[0038]差异特征提取模块，用于基于间隔距离的不同取值，分别从所述归一化指标序列中满足所述间隔距离的归一化指标值之间提取指标差异特征值，得到整体指标差异特征值；
[0039]第一特征值确定模块，用于针对特征向量中的第1至n维中的任一维，根据所述归一化指标序列中所述维度对应类别的指标分布频率和所述整体指标差异特征值，确定所述维度的特征值；
[0040]第二特征值确定模块，用于针对特征向量中的第n+1至λ维中的任一维，确定所述维度对应的间隔距离的目标取值，并根据间隔距离在目标取值下对应的指标差异特征值和所述整体指标差异特征值，确定所述维度的特征值；
[0041]特征向量获得模块，用于根据第1至λ维的特征值，得到所述特征向量。
[0042]本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开提供的检验指标序列的特征提取方法。
...

【技术保护点】

【技术特征摘要】
1.一种检验指标序列的特征提取方法，其特征在于，包括：获取原始检验指标序列，所述原始检验指标序列中包括基于多次检验产生的不同类别的多个指标值；对所述原始检验指标序列中的每一所述指标值分别进行归一化处理，得到归一化指标值，并根据归一化指标值得到归一化指标序列；确定特征向量的设定维度λ和所述归一化指标序列中的指标类别数n；基于间隔距离的不同取值，分别从所述归一化指标序列中满足所述间隔距离的归一化指标值之间提取指标差异特征值，得到整体指标差异特征值；针对特征向量中的第1至n维中的任一维，根据所述归一化指标序列中所述维度对应类别的指标分布频率和所述整体指标差异特征值，确定所述维度的特征值；针对特征向量中的第n+1至λ维中的任一维，确定所述维度对应的间隔距离的目标取值，并根据间隔距离在目标取值下对应的指标差异特征值和所述整体指标差异特征值，确定所述维度的特征值；根据第1至λ维的特征值，得到所述特征向量。2.根据权利要求1所述的方法，其特征在于，所述基于间隔距离的不同取值，分别从所述归一化指标序列中满足所述间隔距离的归一化指标值之间提取指标差异特征值，得到整体指标差异特征值，包括：在1至λ中对间隔距离j分别取值；基于间隔距离j的取值，分别取i为1至L
‑
j，针对所述归一化指标序列中的第i个归一化指标值，计算所述第i个归一化指标值与第i+j个归一化指标值之间的差值信息，得到L
‑
j个所述差值信息，其中，L为所述归一化指标序列中的归一化指标值的数量；根据L
‑
j个所述差值信息，确定间隔距离j在所述取值下对应的指标差异特征值；对间隔距离在1至λ的取值下对应的指标差异特征值进行求和，得到所述整体指标差异特征值。3.根据权利要求2所述的方法，其特征在于，所述根据L
‑
j个所述差值信息，确定间隔距离j在所述取值下对应的指标差异特征值，包括：根据如下公式计算间隔距离j在所述取值下对应的指标差异特征值：其中，θ
j
表示间隔距离j在所述取值下对应的指标差异特征值，N
i
表示第i个归一化指标值，N
i+j
表示第i+j个归一化指标值，(N
i
‑
N
i+j
)2表示第i个归一化指标值与第i+j个归一化指标值之间的差值信息。4.根据权利要求1所述的方法，其特征在于，所述针对特征向量中的第1至n维中的任一维，根据所述归一化指标序列中所述维度对应类别的指标分布频率和所述整体指标差异特征值，确定所述维度的特征值，包括：针对特征向量中的第1至n维中的任一维，通过如下公式确定所述维度的特征值：
其中，X
ε
表示第1至n维中的第ε维的特征值，w表示权重，f
ε
表示所述归一化指标序列中...

【专利技术属性】
技术研发人员：汤一凡，廖霄扬，蔡巍，张霞，
申请(专利权)人：沈阳东软智能医疗科技研究院有限公司，
类型：发明
国别省市：