一种疾病特征的处理方法技术

本申请公开了一种疾病特征的处理方法

【技术实现步骤摘要】
一种疾病特征的处理方法、装置和设备


[0001]本申请涉及医学数据挖掘
，更具体地说，涉及一种疾病特征的处理方法
、
装置和设备
。

技术介绍

[0002]长期以来，中医望诊的发展严重依赖于医生的肉眼观察以及个人经验，存在极大的模糊性
、
主观性和不稳定性，这给中医望诊的临床
、
教学和科研等都带来了诸多不变，严重限制了中医望诊的作用和推广，因此对中医望诊过程中对相关疾病特征的科学探究和处理就尤为重要
。
[0003]目前对中医望诊中疾病特征的研究，多专注于对患者特征与疾病的关联性，但是当前的研究对象往往是局限的，缺乏对全面特征的分析
。

技术实现思路

[0004]有鉴于此，本申请提供了一种疾病特征的处理方法
、
装置和设备，用于解决现有中医望诊特征分析不全面
、
不准确的问题
。
[0005]为了实现上述目的，现提出的方案如下：一种疾病特征的处理方法，包括：基于医学样本数据，生成初始特征矩阵，其中，所述医学样本数据中每一个样本图像包括至少一个子区域，基于每一个所述样本图像的所述子区域中是否存在显式特征来确定所述初始特征矩阵中每一元素的取值，所述显式特征表征输入端接收到的特征；对所述初始特征矩阵进行降维处理，得到降维处理后的特征矩阵，所述降维处理后的特征矩阵包括与隐式特征对应的矩阵元素，所述隐式特征表征区别于所述显式特征的未知特征；对所述初始特征矩阵和所述降维处理后的特征矩阵进行富集分析处理，确定每一个所述显式特征和所述隐式特征在所述医学样本数据的病例组数据的富集分布参数；基于所述富集分布参数，确定目标特征
。
[0006]可选的，所述基于医学样本数据，生成初始特征矩阵，包括：将每一个所述样本图像划分成至少一个子区域，所述子区域表征所述样本图像中基于观察对象划分的区域；基于每一个所述样本图像的所述子区域，生成空白矩阵，所述空白矩阵中每一个空白矩阵元素分别与一个特征存在对应关系；获取客户端输入的显式特征；将所述显式特征分别与每一个所述空白矩阵存在对应关系的所述特征进行匹配，确定是否存在与所述显式特征相匹配的所述特征；如果是，将与所述显式特征相匹配的所述特征对应的所述空白矩阵元素标记为第一标记值；
如果否，将与所述显式特征不匹配的所述特征对应的所述空白矩阵元素标记为第二标记值；基于所述空白矩阵中被标记所述第一标记值和所述第二标记值的所述空白矩阵元素，确定初始特征矩阵
。
[0007]可选的，当所述初始特征矩阵为区域维度
、
特征维度和样本维度的三维矩阵时，所述对所述初始特征矩阵进行降维处理，得到降维处理后的特征矩阵，包括：对所述初始特征矩阵的所述区域维度对应的矩阵进行降维处理，得到区域降维矩阵；对所述初始特征矩阵的所述特征维度对应的矩阵进行特征变换，得到特征变换矩阵；对所述初始特征矩阵的所述样本维度对应的矩阵进行划分，得到病例组矩阵和对照组矩阵；分别对所述病例组矩阵和所述对照组矩阵进行降维处理，得到病例组降维矩阵和对照组降维矩阵；将所述病例组降维矩阵和所述对照组降维矩阵进行整合处理，得到样本降维矩阵；将所述区域降维矩阵
、
所述特征变换矩阵和所述样本降维矩阵进行整合处理，得到与所述初始特征矩阵对应的降维处理后的特征矩阵
。
[0008]可选的，所述对所述初始特征矩阵和所述降维处理后的特征矩阵进行富集分析处理，确定每一个所述显式特征和所述隐式特征在所述医学样本数据的病例组数据的富集分布参数，包括：基于所述初始特征矩阵，生成初始参照矩阵，所述初始参照矩阵表征每一个所述样本图像的每一个所述子区域存在所有所述显式特征；对所述初始特征矩阵和所述初始参照矩阵进行富集分析处理，确定所述初始特征矩阵中每一个所述显式特征对应的矩阵元素在所述初始参照矩阵的第一富集分布参数；对所述初始参照矩阵进行所述降维处理，得到降维处理后的参照矩阵；对所述降维处理后的特征矩阵和所述降维处理后的参照矩阵进行所述富集分析处理，确定所述降维处理后的特征矩阵中每一个所述与隐式特征对应的矩阵元素在所述降维处理后的参照矩阵的第二富集分布参数；基于所述第一富集分布参数和所述第二富集分布参数，确定每一个所述显式特征和所述隐式特征在所述医学样本数据中病例组数据的富集分布参数
。
[0009]可选的，当所述降维处理后的特征矩阵的区域维度存在多于一个矩阵时；所述对所述降维处理后的特征矩阵和所述降维处理后的参照矩阵进行所述富集分析处理，确定所述降维处理后的特征矩阵中每一个所述与隐式特征对应的矩阵元素在所述降维处理后的参照矩阵的第二富集分布参数，包括：获取所述降维处理后的参照矩阵在样本维度的病例组降维参照矩阵和对照组降维参照矩阵，以及所述降维处理后的特征矩阵在所述样本维度的病例组降维矩阵和对照组降维矩阵；从所述病例组降维参照矩阵和所述病例组降维矩阵中选取同一组样本对应的矩
阵数据进行组合，得到第一子集；从所述对照组降维参照矩阵和所述对照组降维矩阵中选取与所述第一子集对应的同一组样本的矩阵数据进行组合，得到第二子集；确定第一子集和所述第二子集中出现的每一个所述与隐式特征对应的矩阵元素分别在所述第一子集和所述第二子集中对应的出现频次指数和未出现频次指数，所述出现频次指数表征所述与隐式特征对应的矩阵元素在所述第一子集或所述第二子集中的出现频率，所述未出现频次指数表征所述与隐式特征对应的矩阵元素在所述第一子集或所述第二子集中的未出现频率；确定所述病例组降维参照矩阵中的每一个所述与隐式特征对应的矩阵元素是否均有对应的所述出现频次指数和所述未出现频次指数；如果是，基于每一个所述与隐式特征对应的矩阵元素分别在所述第一子集和所述第二子集中对应的出现频次指数和未出现频次指数，确定与每一个所述隐式特征在所述降维处理后的参照矩阵的第二富集分布参数；如果否，执行所述从所述病例组降维参照矩阵和所述病例组降维矩阵中选取同一组样本对应的矩阵数据进行组合，得到第一子集及之后的步骤，直至所述病例组降维参照矩阵中的每一个所述与隐式特征对应的矩阵元素均有对应的所述出现频次指数和所述未出现频次指数，基于每一个所述与隐式特征对应的矩阵元素分别在所述第一子集和所述第二子集中对应的所述出现频次指数和所述未出现频次指数，确定与每一个所述隐式特征在所述降维处理后的参照矩阵的第二富集分布参数
。
[0010]可选的，所述基于每一个所述与隐式特征对应的矩阵元素分别在所述第一子集和所述第二子集中对应的所述出现频次指数和所述未出现频次指数，确定与每一个所述隐式特征在所述降维处理后的参照矩阵的第二富集分布参数，包括：基于每一个所述与隐式特征对应的矩阵元素在所述第一子集的所述出现频次指数和所述未出现频次指数，确定至少一个病例组观察值；基于每一个所述与隐式特征对应的矩阵元素在所述第二子集的所述出现频次指数和所述未出现频次指数，确定至少一个对照组观察值；基于所述病例组观察值和所述对照组观察值进行检验，将得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种疾病特征的处理方法，其特征在于，包括：基于医学样本数据，生成初始特征矩阵，其中，所述医学样本数据中每一个样本图像包括至少一个子区域，基于每一个所述样本图像的所述子区域中是否存在显式特征来确定所述初始特征矩阵中每一元素的取值，所述显式特征表征输入端接收到的特征；对所述初始特征矩阵进行降维处理，得到降维处理后的特征矩阵，所述降维处理后的特征矩阵包括与隐式特征对应的矩阵元素，所述隐式特征表征区别于所述显式特征的未知特征；对所述初始特征矩阵和所述降维处理后的特征矩阵进行富集分析处理，确定每一个所述显式特征和所述隐式特征在所述医学样本数据的病例组数据的富集分布参数；基于所述富集分布参数，确定目标特征
。2.
根据权利要求1所述的疾病特征的处理方法，其特征在于，所述基于医学样本数据，生成初始特征矩阵，包括：将每一个所述样本图像划分成至少一个子区域，所述子区域表征所述样本图像中基于观察对象划分的区域；基于每一个所述样本图像的所述子区域，生成空白矩阵，所述空白矩阵中每一个空白矩阵元素分别与一个特征存在对应关系；获取客户端输入的显式特征；将所述显式特征分别与每一个所述空白矩阵存在对应关系的所述特征进行匹配，确定是否存在与所述显式特征相匹配的所述特征；如果是，将与所述显式特征相匹配的所述特征对应的所述空白矩阵元素标记为第一标记值；如果否，将与所述显式特征不匹配的所述特征对应的所述空白矩阵元素标记为第二标记值；基于所述空白矩阵中被标记所述第一标记值和所述第二标记值的所述空白矩阵元素，确定初始特征矩阵
。3.
根据权利要求1所述的疾病特征的处理方法，其特征在于，当所述初始特征矩阵为区域维度
、
特征维度和样本维度的三维矩阵时，所述对所述初始特征矩阵进行降维处理，得到降维处理后的特征矩阵，包括：对所述初始特征矩阵的所述区域维度对应的矩阵进行降维处理，得到区域降维矩阵；对所述初始特征矩阵的所述特征维度对应的矩阵进行特征变换，得到特征变换矩阵；对所述初始特征矩阵的所述样本维度对应的矩阵进行划分，得到病例组矩阵和对照组矩阵；分别对所述病例组矩阵和所述对照组矩阵进行降维处理，得到病例组降维矩阵和对照组降维矩阵；将所述病例组降维矩阵和所述对照组降维矩阵进行整合处理，得到样本降维矩阵；将所述区域降维矩阵
、
所述特征变换矩阵和所述样本降维矩阵进行整合处理，得到与所述初始特征矩阵对应的降维处理后的特征矩阵
。4.
根据权利要求1所述的疾病特征的处理方法，其特征在于，所述对所述初始特征矩阵和所述降维处理后的特征矩阵进行富集分析处理，确定每一个所述显式特征和所述隐式特
征在所述医学样本数据的病例组数据的富集分布参数，包括：基于所述初始特征矩阵，生成初始参照矩阵，所述初始参照矩阵表征每一个所述样本图像的每一个所述子区域存在所有所述显式特征；对所述初始特征矩阵和所述初始参照矩阵进行富集分析处理，确定所述初始特征矩阵中每一个所述显式特征对应的矩阵元素在所述初始参照矩阵的第一富集分布参数；对所述初始参照矩阵进行所述降维处理，得到降维处理后的参照矩阵；对所述降维处理后的特征矩阵和所述降维处理后的参照矩阵进行所述富集分析处理，确定所述降维处理后的特征矩阵中每一个所述与隐式特征对应的矩阵元素在所述降维处理后的参照矩阵的第二富集分布参数；基于所述第一富集分布参数和所述第二富集分布参数，确定每一个所述显式特征和所述隐式特征在所述医学样本数据中病例组数据的富集分布参数
。5.
根据权利要求4所述的疾病特征的处理方法，其特征在于，当所述降维处理后的特征矩阵的区域维度存在多于一个矩阵时；所述对所述降维处理后的特征矩阵和所述降维处理后的参照矩阵进行所述富集分析处理，确定所述降维处理后的特征矩阵中每一个所述与隐式特征对应的矩阵元素在所述降维处理后的参照矩阵的第二富集分布参数，包括：获取所述降维处理后的参照矩阵在样本维度的病例组降维参照矩阵和对照组降维参照矩阵，以及所述降维处理后的特征矩阵在所述样本维度的病例组降维矩阵和对照组降维矩阵；从所述病例组降维参照矩阵和所述病例组降维矩阵中选取同一组样本对应的矩阵数据进行组合，得到第一子集；从所述对照组降维参照矩阵和...

【专利技术属性】
技术研发人员：张智，曹晨思，王东平，程京，
申请(专利权)人：清华大学，
类型：发明
国别省市：