CN114386479B - 医学数据处理方法、装置、存储介质及电子设备 - Google Patents

医学数据处理方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN114386479B
CN114386479B CN202111498958.4A CN202111498958A CN114386479B CN 114386479 B CN114386479 B CN 114386479B CN 202111498958 A CN202111498958 A CN 202111498958A CN 114386479 B CN114386479 B CN 114386479B
Authority
CN
China
Prior art keywords
data
factor
amplification
original sample
medical
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111498958.4A
Other languages
English (en)
Other versions
CN114386479A (zh
Inventor
王振常
郑伟
任鹏玲
罗德红
蔡林坤
赵二伟
刘雅文
张婷婷
吕晗
刘冬
尹红霞
赵鹏飞
李静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Friendship Hospital
Original Assignee
Beijing Friendship Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Friendship Hospital filed Critical Beijing Friendship Hospital
Priority to CN202111498958.4A priority Critical patent/CN114386479B/zh
Publication of CN114386479A publication Critical patent/CN114386479A/zh
Application granted granted Critical
Publication of CN114386479B publication Critical patent/CN114386479B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本说明书公开了一种医学数据处理方法、装置、存储介质及电子设备，能够至少部分地解决相关技术中存在的训练样本不足导致的模型处理数据的效果受到负面影响的技术问题。本说明书中的医学数据处理方法对多个扩增策略进行评估，从其中确定出较为适于扩增的目标策略。然后，采用目标策略对目标样本集进行扩增，得到训练样本集。由于目标策略是在多种扩增策略中基于评估结果确定出的，则经目标策略扩增得到的训练样本集一方面其中包含的样本数量不会过于不足；另一方面，其中包含的扩增后的样本对医学预测模型的训练造成负面影响的隐患也较低。由此，基于训练样本集训练得到的医学预测模型也能够获得较好的模型性能。

Description

医学数据处理方法、装置、存储介质及电子设备
技术领域
本申请涉及数据处理技术领域，尤其涉及一种医学数据处理方法、装置、存储介质及电子设备。
背景技术
AI(Artificial Intelligence，人工智能)技术在提升医疗数据处理的速度和准确率上拥有相当的潜力，但在获得具备对医学数据具有一定的处理能力的人工智能模型之前，他们需要先对人工智能模型进行大量训练，而训练的过程通常需要借助于样本。若训练过程中可用的样本不足，则有可能导致过拟合的问题。特别是在医学数据处理领域，训练用于处理医学数据的模型所需的训练样本(由医学数据得到)的取得难度往往较大，取得成本也可能较高，而用于处理医学数据的模型输出的结果也可能与生命、健康利益息息相关，若模型性能异常，将有可能引起较大的损失。
发明内容
本说明书实施例提供一种医学数据处理方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。
本说明书实施例采用下述技术方案：
第一方面，本申请提供一种医学数据处理方法，包括：采用多种扩增策略，分别对原始样本集进行扩增，得到多个扩增集；对所述多个扩增集进行评估；根据评估结果，从多种扩增策略选定一个目标策略；按照目标扩增策略，对目标样本集进行扩增，得到训练样本集；利用训练样本集对医学预测模型进行训练；获取医学数据；将所述医学数据作为完成训练的所述医学预测模型的入参，执行所述医学预测模型输出医学预测结果。
在本说明书一个可选的实施例中，对所述多个扩增集进行评估，包括：采用所述多个扩增集，分别对指定模型进行训练；根据训练后的指定模型的模型性能，得到对所述多个扩增集进行评估结果。
在本说明书一个可选的实施例中，所述方法包括以下至少一项：
所述指定模型是采用所述原始样本集训练得到的；
所述模型性能通过以下至少一种表征：准确率、召回率、F1-score。
在本说明书一个可选的实施例中，所述方法还包括：获取原始样本数据；若所述原始样本数据呈现周期性特征，则根据对所述原始样本数据按照其数据周期进行划分得到的划分结果构成的集合，构建所述原始样本集；若所述原始样本数据未呈现周期性特征，则将所述原始样本数据构成的集合，作为所述原始样本集。
在本说明书一个可选的实施例中，所述数据周期包括以下任意一种：所述原始样本数据所属用户的生理周期、采集所述样本数据时的数据采集周期。
在本说明书一个可选的实施例中，所述原始样本集中包含正样本和负样本，正样本和负样本中的一个是第一样本，另一个是第二样本，所述第一样本的数量小于所述第二样本的数量；其中，所述方法还包括：采用所述多种扩增策略，分别对由原始样本集中的第一样本构成的第一样本集进行扩增，使得扩增后的第一样本集中的第一样本的数量与原始样本集中的第二样本的数量差异不大于第一数量阈值；采用所述多种扩增策略，对由扩增后的第一样本集和原始样本集中的第二样本构成的样本集进行扩增，得到多个扩增集。
在本说明书一个可选的实施例中，所述方法包括以下至少一项：
所述原始样本集中的原始样本数据是由时间序列构成的；
所述多种扩增策略包括：基于平均序列求法的扩增策略和基于信号分解与重构的扩增策略；
所述医学数据包括以下至少一种：心率数据、脉搏波数据、心电数据、肌电数据、血管超声频谱波、血流量数据、血压数据、血糖数据、血氧数据、体温数据、血细胞数据；
所述指定模型是支持向量机、逻辑回归模型、决策树模型、卷积神经网络模型、LSTM模型。
第二方面，本说明书提供一种医学数据处理装置，所述装置包括：
扩增集生成模块，配置为：采用多种扩增策略，分别对原始样本集进行扩增，得到多个扩增集；
评估模块，配置为：对所述多个扩增集进行评估；
目标策略确定模块，配置为：根据评估结果，从多种扩增策略选定一个目标策略；
训练样本集确定模块，配置为：按照目标扩增策略，对目标样本集进行扩增，得到训练样本集；
训练模块，配置为：利用训练样本集对医学预测模型进行训练；
医学数据获取模块，配置为：获取医学数据；
预测模块，配置为：将所述医学数据作为完成训练的所述医学预测模型的入参，执行所述医学预测模型输出医学预测结果。
本说明书提供的计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的医学数据处理方法。
本说明书提供的电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述医学数据处理方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
本说明书实施例中的医学数据处理方法、装置、存储介质及电子设备，能够至少部分地解决相关技术中存在的训练样本不足导致的模型处理数据的效果受到负面影响的技术问题。本说明书中的医学数据处理方法对多个扩增策略进行评估，从其中确定出较为适于扩增的目标策略。然后，采用目标策略对目标样本集进行扩增，得到训练样本集。由于目标策略是在多种扩增策略中基于评估结果确定出的，则经目标策略扩增得到的训练样本集一方面其中包含的样本数量不会过于不足；另一方面，其中包含的扩增后的样本对医学预测模型的训练造成负面影响的隐患也较低。由此，基于训练样本集训练得到的医学预测模型也能够获得较好的模型性能。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书实施例提供的医学数据处理方法的流程示意图；
图2a为本说明书实施例提供的医学数据处理方法中确定目标策略的流程示意图；
图2b为本说明书实施例提供的医学数据处理方法中，以心率周期对心电数据进行划分的示意图；
图3为本说明书实施例提供的医学数据处理装置的结构示意图；
图4为本说明书实施例提供的对应于1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
数据扩增又称数据增强，是深度学习中的一种数据预处理方式，通过数据扩增技术能够增加训练样本的数量，进而，通过扩增后的样本对模型进行训练，可以很好的预防模型出现过拟合的现象，从而提高模型的泛化能力。
在相关技术中，数据扩增技术已被应用在图像处理技术领域，也对通过人工智能的方式实现的图像处理起到了一定的积极作用。然而，数据扩增技术在针对医学数据进行处理的领域中，却鲜有应用。本说明书中的医学数据包含以下至少一种：针对医学事件(例如，对病患进行诊治时所经历的事件)采集的数据，对医学事件过程中可能用到的药用产品(例如，某种蛋白质)的生产、研制过程采集的数据。
一方面，医学数据采集难度大，例如，在医疗诊断的场景中，若须对用户的心率进行采集，则需要用户在较长的时间段内佩戴有心率采集设备，心率采集设备对大多数用户来说获得的难度较大；再例如，在研究蛋白质改性的场景中(药用产品研究)，须采集各种催化剂和环境对蛋白质造成的影响，该采集的过程所需的技术手段也较为复杂，引起医学数据采集的难度大。
另一方面，无论是在医疗诊断的场景中，还是在药用产品研究场景中，研究的结果均一定程度的关乎用户的生命健康。通过数据扩增技术得到的扩增样本并非实际采集到的真实的样本，若采用的扩增手段不得当，将有可能对模型的训练造成误导，将有可能引起较大的损失。
此外，医学数据因个体导致的差异较大，例如，在医疗诊断的场景中，不同用户可能表现出了相同的病征，但不同用户的医疗数据可能差异较大。在这种情况下，若不能保证模型训练过程所采用的样本较为充足，训练后的模型的模型性能也难以保证。
有鉴于此，本说明书提供一种医学数据处理过程，以至少部分地解决相关技术中存在的，医学数据较少、且对医学数据的有效扩增难度较大的问题。该医学数据处理过程的执行主体是医学数据处理装置。
图1为本说明书实施例提供的医学数据处理过程，具体可以包括以下步骤中的一个或多个：
S100：采用多种扩增策略，分别对原始样本集进行扩增，得到多个扩增集。
本说明书中的过程针对医学数据处理场景，本说明书中的原始样本集中的样本，也是由历史上采集到的医学数据得到的。本说明书中的原始样本集用于对各个扩增策略进行评估。示意性地，评估扩增方式的逻辑如图2a所示，本说明书涉及的多个扩增策略包括扩增策略1至扩增策略n。
示例性地，在前述的医疗诊断场景中，医学数据可以包括以下至少一种：心率数据、脉搏波数据、心电数据、肌电数据、血管超声频谱波、血流量数据、血压数据、血糖数据、血氧数据、体温数据、血细胞数据。在前述的研究蛋白质改性的场景中，医学数据可以包括以下至少一种：蛋白质的分子量(具体可以是分子量随改性时长的变化)、蛋白质的旋光性(具体可以是旋光性随改性时长的变化)。
本说明书对原始样本集中的样本的数量不做具体限制。
本说明书中的扩增策略用于在选取目标策略的阶段(在该阶段中，尚未确定出具体应该采用哪种策略，作为对医学预测模型进行训练时采用的样本扩增策略)对样本进行扩增，现有的扩增策略均可以作为本说明书中的扩增策略。可见，本说明书中的扩增策略，实为待定的策略。本说明书中的扩增策略，可以以代码的形式表征。
具体地，本步骤首先从多个扩增策略中确定(示例性地，可以是随机的选取，如图2a所示的扩增策略1至n中的任意一个)出一个扩增策略，作为第一策略。然后，采用第一策略，对原始样本集进行扩增，得到该第一策略对应的扩增集。之后，将该第一策略确定为第二策略。从扩增策略中重新确定第一策略，确定该第一策略对应的扩增集，直至对多个扩增策略均确定出其各自对应的扩增集。可见，通过本步骤得到的扩增策略和扩增集可以一一对应，示意性地，如图2a所示。
本说明书对得到的各扩增集中的样本的数量也不做具体限制。
示例性地，在前述的医疗诊断的场景中，针对用户张三采集到的医学数据，可以作为原始样本集中的一个样本；针对用户李四采集到的医学数据，可以作为原始样本集中的另一个样本。
而在前述的研究蛋白质改性的场景中，针对某一次实验中的编号为A的蛋白质样本集到的医学数据，可以作为原始样本集中的一个样本；针对该次实验中的编号为B的蛋白质样本集到的医学数据，可以作为原始样本集中的另一个样本；针对其他次实验采集到的医学数据，可以作为原始样本集中的其他样本。
也就是说，在本说明书中，可以根据医学数据的采集对象(例如，前述的张三、编号为A的蛋白质)，对原始样本集中的样本进行区分。即，一个采集对象，对应于原始样本集中的一个样本。
S102：对所述多个扩增集进行评估。
本步骤中的评估旨在确定出哪种扩增策略在对医学数据构成的样本进行扩增的效果更优。较优的扩增策略更适于对医学数据进行扩增，较劣的扩增策略则不太适于对医学数据进行扩增。
在本说明书一个可选的实施例中，扩增集的优劣可以通过以下至少一种评估指标进行表征：扩增集中的样本的数量、采用扩增集训练后的指定模型的模型性能。示意性地，通过本步骤得到的评估结果如图2a所示的评估结果1至评估结果n。
具体地，扩增集中的样本的数量越多，则该扩增集越优；和/或，采用扩增集训练后的医学预测模型的模型性能越好，则该扩增集越优。示例性地，可以针对某一扩增集的各评估指标进行加权求和，得到该扩增集的评估得分。评估得分越高，则扩增集越优。
需要说明的是，本说明书中的指定模型用于对扩增集进行评估。指定模型可以是具备分类功能的模型，例如，指定模型可是以下任意一种：支持向量机(Support VectorMachine,SVM)、逻辑回归模型、决策树模型、卷积神经网络模型、LSTM模型。
在本说明书一个可选的实施例中，该加权求和的过程中采用的权重，可以是预设值。在本说明书另一个可选的实施例中，权重是根据原始样本集中的样本的数量得到的。具体地，原始样本集中的样本的数量小于数量阈值(预设值)时，采用第一权重作为计算扩增集的评估得分时样本的数量的权重；原始样本集中的样本的数量不小于数量阈值时，采用第二权重作为计算扩增集的评估得分时样本的数量的权重，其中，第一权重大于第二权重。
可选地，指定的模型性能，可以通过以下至少一种表征：准确率、召回率、F1-score。具体地，医学预测模型的模型性能可以与其准确率、召回率、F1-score中的至少一种正相关。
S104：根据评估结果，从多种扩增策略选定一个目标策略。
针对扩增集得到的评估结果能够表示出得到该扩增集时采用的扩增策略的优劣，则由前述步骤得到的评估得分，可作为评估结果。
基于前述步骤得到的评估得分与扩增策略一一对应，可以将评估得分最高的扩增策略，作为目标策略。目标策略即为通过前述的评估步骤得到的、较为适于对医学数据进行扩增的扩增策略。示意性地，在如图2a所示的示例中，评估结果1表示出的评估得分最高，则扩增策略1可以作为目标策略。
S106：按照目标扩增策略，对目标样本集进行扩增，得到训练样本集。
由于目标策略相较于其他扩增策略更适于对医学数据进行扩增，则采用目标策略得到的训练样本集，也能够使得医学预测模型达到更好的训练效果。
本说明书中的目标样本集是训练医学预测模型时，采用的由历史上实际采集到的医学数据(而非扩增得到的数据)得到的目标样本的集合。本说明书对目标样本集合中目标样本的数量不做具体限制。
原始样本集与目标样本的交集可以是空集，也可以是非空集。
在本说明书一个可选的实施例中，可以将目标样本集中的各样本、和通过目标扩增策略得到扩增的样本，共同作为训练样本集中的样本。在该实施例中，训练样本集中的样本的量较多，则能够使得医学预测模型获得较好的训练效果。
在本说明书另一个可选的实施例中，可以将通过目标扩增策略得到扩增的样本作为训练样本集中的样本，而将目标样本集作为判断模型是否收敛时采用的测试集。在该实施例中，一方面能够获得适于训练医学预测模型的训练样本集，另一方面，也能够医学预测模型的确定出了收敛条件。
S108：利用训练样本集对医学预测模型进行训练。
本说明书中的医学预测模型是线上执行预测时实际采用的模型。现有的，可以用于预测的模型均可以在条件允许的情况下，作为本说明书中的医学预测模型。例如，本说明书中的医学预测模型可以是以下任意一种：支持向量机(Support Vector Machine,SVM)、逻辑回归模型、决策树模型、卷积神经网络模型、LSTM模型。
在本说明书一个可选的实施例中，可以采用有监督训练的方式，对医学预测模型进行训练。示例性地，训练样本集中包含若干个训练样本、以及与训练样本一一对应的标签。本说明书中训练医学预测模型的过程可以是：将训练样本集中的至少部分样本，确定为目标样本。将目标样本输入医学预测模型，得到医学预测模型输出的待定结果。将待定结果与目标样本对应的标签之间的差异，作为损失。以损失最小化为训练目标，调整医学预测模型的参数，以参数调整后的参数更新医学预测模型。之后，从训练样本集中重新确定目标样本，继续对医学预测模型进行训练，直至得到的损失小于损失阈值。
在本说明书另一个可选的实施例中，对医学预测模型进行训练的过程可以是：将训练样本集中的至少部分样本，确定为目标样本。将目标样本输入医学预测模型，得到医学预测模型输出的待定结果。将待定结果与目标样本对应的标签之间的差异，作为损失。以损失最小化为训练目标，调整医学预测模型的参数，以参数调整后的参数更新医学预测模型。然后，将目标样本中的样本输入参数更新后的医学预测模型，根据参数更新后的医学预测模型的输出，确定参数更新后的医学预测模型的模型性能(例如，准确率、召回率、F1-score)是否大于性能阈值。若否，则重新确定目标样本继续对医学预测模型进行训练，若是，则模型收敛。
S110：获取医学数据。
在通过前述步骤得到训练后的、具备预测能力的医学预测模型之后，即可以将该医学预测模型应用于线上。本说明书中的医学数据，即为在线上进行预测时，输入模型的数据。
需要说明的是，本步骤和前述的步骤S100至步骤S112的执行次序不分先后。
S112：将所述医学数据作为完成训练的所述医学预测模型的入参，执行所述医学预测模型输出医学预测结果。
需要说明的是，在本说明书一个可选的实施例中，医学预测模型可以基于某一个类型的医学数据进行预测的模型。以前述的医疗诊断的场景为例，医学预测模型用于预测用户会患有心脏疾病的概率，医学数据中仅包含心电数据。
而在本说明书另一个可选的实施例中，医学预测模型可以基于某几个类型的医学数据进行预测的模型。以前述的医疗诊断的场景为例，医学预测模型用于预测用户会患有心脏疾病的概率，医学数据中包含心率数据、脉搏波数据、心电数据以及肌电数据。
此外，在本说明书一个可选的实施例中，医学预测模型可以基于输入的医学数据，对某一个预测项目进行预测。以前述的医疗诊断的场景为例，医学预测模型仅用于预测用户会患有心脏疾病(“预测用户会患有心脏疾病”即为一个预测项目)的概率。
而在本说明书另一个可选的实施例中，医学预测模型可以基于输入的医学数据，对某几个预测项目进行预测。以前述的医疗诊断的场景为例，医学预测模型用于预测用户会患有心脏疾病的概率、用户患有糖尿病的概率、用户患有高血压的概率。
本说明书实施例中的医学数据处理过程，能够至少部分地解决相关技术中存在的训练样本不足导致的模型处理数据的效果受到负面影响的技术问题。本说明书中的医学数据处理方法对多个扩增策略进行评估，从其中确定出较为适于扩增的目标策略。然后，采用目标策略对目标样本集进行扩增，得到训练样本集。由于目标策略是在多种扩增策略中基于评估结果确定出的，则经目标策略扩增得到的训练样本集一方面其中包含的样本数量不会过于不足；另一方面，其中包含的扩增后的样本对医学预测模型的训练造成负面影响的隐患也较低。由此，基于训练样本集训练得到的医学预测模型也能够获得较好的模型性能。
本说明书中的数据处理过程，涉及到的模型包括指定模型和医学预测模型。现就该两个模型之间的关系进行说明。
本说明书中的医学预测模型可以与前述的指定模型是类型相同的模型，也可以与前述的指定模型是不同类型的模型。
例如，在一个可选的实施例中，指定模型和医学预测模型均是支持向量机。在该实施例中，由于指定模型和医学预测模型是类型相同的模型，则通过采用扩增集对指定模型的训练效果，能够较为准确的表征扩增集的优劣。
而在另一个可选的实施例中，指定模型是支持向量机，而医学预测模型是LSTM模型。在该实施例中，由于支持向量机的结构复杂程度相较于LSTM的结构复杂程度低，则通过指定模型对扩增集进行评估也较为快捷，能够有效的提高通过本说明书中的技术方案实现的数据处理过程的效率。
现就如何得到指定模型进行说明。
本说明书中的指定模型是用于对扩增集进行评估的模。在本说明书一个可选的实施例中，可以对待定模型的各参数进行随机初始化，得到指定模型。该实施获得指定模型的过程较为简便。
然而，相关技术中一定程度地存在着医学数据不足导致的训练模型所需的样本不足的问题。则在本说明书中，评估扩增集的过程中采用的原始样本集中也会存在其中包含的样本不足的问题。为能够通过指定模型在样本数量较为有限的原始样本集的基础上，高效地评估不同扩增策略的优劣。在本说明另一个可选的实施例中，采用原始样本集对待定模型进行训练，得到指定模型。通过该实施例得到的指定模型已经一定程度的从原始样本集中学习到了预测的知识。
若某一扩增策略较为适于对原始样本集进行扩增，则该扩增集中表示出的知识也是和原始样本集中表示出的知识是相匹配的，则通过该扩增策略对指定模型的训练，能够在指定模型已经学习到了一定的知识的基础上，加快收敛。
若某一扩增策略较为不适于对原始样本集进行扩增，则该扩增集中表示出的错误的知识也是和原始样本集中表示出的知识是不匹配的，则通过该扩增策略对指定模型的训练，能够在指定模型已经学习到了一定的知识的基础上，降低收敛速率。
可见，由原始样本集训练得到的指定模型，能够提高对扩增集的评估效率。
由前述内容可知，本说明书中的过程针对的数据是医学数据，医学数据的来源可能不单一。一方面，医学预测模型若要从来源不单一的医学数据中学习到用于预测知识，则需要的样本的数量也较多；另一方面，来源不同的医学数据能够从不同的维度对预测知识进行表征，其表征的方式也存在一定的差异，可以将不同来源的医学数据的这一特性加以利用。
通常情况下，医学数据根据采集的时序性(例如，每间隔5秒采集一次心电数据，不同时刻采集到的心电数据按照采集的时间排列，即为时序数据)，通常会表现出一定的时序性特征。示例性地，在前述的医疗诊断的场景中，医学预测模型输出的预测结果表示出输入的医学数据所属的用户患有某种疾病的概率。医学数据中包含的心电数据表现出了周期性，而血压数据则几乎不具备周期性，则可以将数据表现出的周期性利用起来，用于提高对医学数据的扩增效果。
在本说明书一个可选的实施例中，在获取到用于构建原始样本集的原始样本数据之后，从中确定出呈现出周期性特征的原始样本数据，作为指定数据。然后，针对每个指定数据，确定出该指定数据的数据周期。之后，以数据周期表示出的时长作为步长，对该指定数据进行划分，得到若干个划分结果。仍以心电数据为例，监测心电数据是否存在异常波形。若是，则将其中的异常波形的归为异常，将其中的正常波形归为正常。若正常波形覆盖的时长是5秒，该心电数据表示出的数据周期是1秒，则得到的针对正常波形的划分结果的数量是5。示例性地，由原始样本数据得到的划分结果如图2a所示。
然后，将每个划分结果作为一个原始样本集中的样本，将一个非指定数据(原始样本集中未呈现出周期性特征的原始样本数据)作为一个原始样本集中的样本，进而得到原始样本集。
本说明书中的数据周期可以是采集医学数据的采集设备的数据采集周期确定的。进一步地，本说明书中的过程针对的是对医学数据的处理，则在医疗诊断的场景中，可以将原始样本数据所属的用户的生理周期，作为数据周期。例如，在医学数据是心率数据时，数据周期可以是心率周期(该心率周期是生理周期)。
经本说明书中的过程训练得到的医学预测模型用于基于医学数据进行预测，例如预测某一疾病将会发生的概率。也就是说，该医学预测模型能够预测某一疾病不会发生的概率。由前述的分析可知，医学数据往往会呈现出一定的“因人而异”的特性，若仅仅用正样本对医学预测模型进行训练，将有可能导致医学预测模型不能完全学习到样本的来源的差异，进而对医学预测模型输出的预测结果造成的影响。
为使得医学预测模型能够多方面的学习到预测的能力，在本说明书一个可选的实施例中，原始样本集中包含正样本和负样本。示例性地，在前述的医疗诊断的场景中，医学预测模型用于预测用户是否将会发生疾病C，则可以将历史上采集到的疾病C的患病用户王五的医学数据作为预测疾病C的正样本，将未患有疾病C的用户赵六的医学数据作为预测疾病C的负样本。
实际中，有可能存在采集到原始样本集中的正样本、负样本的数量差异较大的现象。本说明书将正样本、负样本中数量较小的，确定为第一样本，将正样本、负样本中数量较多的，确定为第二样本。
之后，在针对第i个(任意一个)扩增策略执行步骤S100的扩增时，可以采用第i个扩增策略对由原始样本集中的第一样本构成的第一样本集进行扩增，得到第一中间样本集。判断第一中间样本集中样本的数量，与由原始样本集中的第二样本的数量的差值是否大于第一数量阈值。
若是，则将第一中间样本集确定为新的第一样本集，然后采用第i个扩增策略，对新的第一样本集扩增，直至重新得到的第一中间样本集中样本的数量，与由原始样本集中的第二样本的数量的差值是不大于第一数量阈值。
若否，则将第一中间样本集中的各样本，和原始样本集中的各第二样本，确定为第i个扩增策略对应的扩增集中的样本。
可见，通过该实施例中的“正负样本均衡”策略，使得得到的某一扩增集中，正负样本的数量差异不会太大。
继续前述的医疗诊断的场景中，王五虽患有疾病C，但是王五未患有疾病D，则王五的医学数据作为预测疾病D的负样本，疾病C和疾病D是关联疾病(例如，疾病C是高血压，疾病D是低血压)。也就是说，本说明书中的一个样本，可以是一个预测项目的正样本，并且是另一个预测项目的负样本。
然后，从各个预测项目中，重新确定目标项目。直至对所述预测项目都执行了前述的“正负样本均衡”策略。
本说明书中的过程能够从各扩增策略中确定出较为适于对医学数据进行扩增的扩增策略。由于医学数据通常具备时序数据的特征，则相关技术中，可以对时序数据进行扩增的策略，均可以作为本说明书中的扩增策略。
此外，本说明书还提供了以下两种扩增策略，以供选择。
扩增策略1：基于平均序列求法的扩增策略。
示例性地，将前述编号为A的蛋白质样本集到的医学数据记为样本X，将前述编号为B的蛋白质样本集到的医学数据记为样本Y。样本X的时序数据的长度为m，样本Y的时序数据的长度为n。则记为X＝{x1，x2，…xm}Y＝{y1，y2，…yn}，样本X和样本Y上任意两个时间点的之间DTW距离为：
γ(i,j)＝{[d(xi,yi)]2+{min[γ(i-1,j-1),γ(i-1,j),γ(i,j-1)]}2}1/2
其中，d(xi,yi)是两个数据序列点xi和yi之间的距离；γ(i,j)是从元素(x1,y1)到(xi,yi)之间的最小累积距离。DTW距离具有扭曲的特性，可以通过适时的转换、扩张和压缩实现两个序列局部特征的比较，能够进行不同长度数据序列进行相似性比较，且对时间轴的扰动有较好的稳健性。
在很多应用场景中，通常使用一条平均时间序列来表示多条时间序列组成的集合。但是，由于在集合内部各条序列的长度不一定相等，会造成其特征在时间轴上的错位，采用逐点对应的方法计算平均序列的方法，难以取得理想的效果。因此，本说明书基于动态时间规整重心平均(DTW Barycenter Averaging，DBA)算法进行数据增强。DBA是一种迭代算法，利用动态时间规整距离的大小作为求取平均序列的优化指标。DBA算法的计算步骤包含下列两个步骤(1)随机选择一条时间序列作为初始序列，计算该序列与目标集中每个单独序列之间的DTW距离，仍而找到初始序列上时间点与其他序列上时间点之间的关联；(2)将初始序列上的每个时间点与其关联的时间点分为一组，开始计算平均值，将其结果更新为初始序列。重复此过程，直至更新后的平均时间序列不再变化。
扩增策略2：基于信号分解与重构的扩增策略。
将由于原始样本集中的样本具有时序数据的性质，则可以将原始样本视为信号。然后，将信号分解成为不同模块，通过改变模块的组合及权重生成新的时间序列。例如使用基于小波变化的方法对信号进行分解和重构。基于小波变换进行信号分解的实质是信号与滤波器组的互相关，重构则是分解信号与镜像滤波器组的卷积。首先需要对原始信号进行低通、高通滤波，对低通输出通过下采样获得信号的平均部分，高通输出通过下采样获得信号的细节部分。而后对获得的信号平均部分、细节部分的系数分别进行上采样后，经过低通、高通滤波，两者相加即可得原始信号的重构信号。
此外，还可以将其他扩增策略应用于本说明书，在此不做赘述。
在本说明书一个可选的实施例中，为了使得医学预测模型更为高效的学习到训练样本中的知识。预先地对训练样本集中的训练样本进行排序(示例性地，该排列可以是根据数据生成的时间先后顺序进行的排序)，得到待定样本序列。然后，根据训练样本集中的训练样本数量确定第一序列步长，第一序列步长与训练样本集中的训练样本数量正相关。按照第一序列步长对待定样本序列进行划分，得到依照指定次序排布的若干个子序列，使得得到的每个子序列的长度均等于第一序列步长，且每个子序列中的训练样本之间的相似度大于第一相似度阈值、分别属于任意相邻的两个子序列的两个训练样本之间的相似度小于第二相似度阈值。在训练医学预测模型时，按照指定次序依次将子序列中的样本输入医学预测模型，进行训练。
由前述内容可知，医学数据具备数据来源上的差异性，通过该实施例中对训练样本的处理，能够使得医学预测模型能够具有针对性的学习到某一个子序列中的样本中的知识。相邻两个子序列中的样本的差异较大，也能够使得相邻两个子序列中的样本体现出的差异性知识更加鲜明，有利于提高模型的学习效率。
在本说明书可选的实施例中，第一序列步长还与训练样本集中由周期性医学数据和非周期性医学数据得到的样本的比例正相关，即，由周期性医学数据得到的样本占的训练样本总数越高，则第一序列步长越长，以使得医学预测模型更加充分的学习到由周期性医学数据得到的训练样本中的知识。
由前述内容可知，医学数据是否是周期性数据，在后续步骤中对该数据处理的方式起到了一定的影响，则有必要在对医学数据进行某些处理之前，对医学数据是否是周期性数据进行分辨。
在本说明书一个可选的实施例中，为能够对周期性数据和非周期性数据进行区分，在对医学数据进行预处理之前或之后，采用傅里叶变换，将医学数据变换为频域数据。该变换可以采用以下公式(1)实现。
Figure BDA0003401995230000161
式中，F(ω)表示变换后的频域数据，ω表示频率，t表示时间，e-iwt表示复变函数。
之后，基于变换后的频域数据计算波形因子、峰度因子和脉冲因子三类指标做为数据周期性强弱的判定特征。其中，波形因子Cs是均方根与整流平均值的比值。均方根Xrms又称为有效值，是将所有值平方求和后求均值，再开方得到。波形因子Cs可以采用以下公式(2)得到。峰值因子Cp是信号峰值与均方根的比值，代表的是峰值在波形中的极端程度。峰值因子Cp可以采用以下公式(3)得到。脉冲因子Cif是信号峰值与整流平均值(绝对值的平均值)的比值。脉冲因子Cif可以采用以下公式(4)得到。
Figure BDA0003401995230000171
Figure BDA0003401995230000172
Figure BDA0003401995230000173
在得到各因子之后，采用变换后的频域数据对各因子进行归一化处理(具体为，将各个因子分别除以变换后的频域数据的第一个分量)，得到处理后的各因子，即处理后的波形因子Cs′、处理后的峰度因子Cp′和处理后的脉冲因子C′if。
针对一医学数据，若该医学数据的处理后的波形因子Cs′、处理后的峰度因子C′p和处理后的脉冲因子C′if满足周期数据条件，则该医学数据是周期性数据；若不满足周期数据条件，则该医学数据不是周期性数据。周期数据条件可以通过公式(5)表征。
Figure BDA0003401995230000181
式中，a1是第一系数，a2是第二系数，a3是第三系数。第一系数小于等于第二系数，第三系数大于第二系数。且第一系数、第二系数和第三系数之和小于1。示例性地，第一系数等于0.2，第二系数等于0.2，第三系数等于0.5。
基于同样的思路，本说明书实施例还提供了对应于图1所示过程的医学数据处理装置，该医学数据处理装置如图3所示。
图3为本说明书实施例提供的医学数据处理装置的结构示意图，该医学数据处理装置可以包括以下模块中的一个或多个：
扩增集生成模块300，配置为：采用多种扩增策略，分别对原始样本集进行扩增，得到多个扩增集；
评估模块302，配置为：对所述多个扩增集进行评估；
目标策略确定模块304，配置为：根据评估结果，从多种扩增策略选定一个目标策略；
训练样本集确定模块306，配置为：按照目标扩增策略，对目标样本集进行扩增，得到训练样本集；
训练模块308，配置为：利用训练样本集对医学预测模型进行训练；
医学数据获取模块310，配置为：获取医学数据；
预测模块312，配置为：将所述医学数据作为完成训练的所述医学预测模型的入参，执行所述医学预测模型输出医学预测结果。
在本说明书一个可选的实施例中，评估模块302，具体配置为：采用所述多个扩增集，分别对指定模型进行训练；根据训练后的指定模型的模型性能，得到对所述多个扩增集进行评估结果。
在本说明书一个可选的实施例中，所述指定模型是采用所述原始样本集训练得到的。
在本说明书一个可选的实施例中，所述模型性能通过以下至少一种表征：准确率、召回率、F1-score。
在本说明书一个可选的实施例中，所述装置还包括原始样本处理模块，配置为获取原始样本数据；若所述原始样本数据呈现周期性特征，则根据对所述原始样本数据按照其数据周期进行划分得到的划分结果构成的集合，构建所述原始样本集；若所述原始样本数据未呈现周期性特征，则将所述原始样本数据构成的集合，作为所述原始样本集。
在本说明书一个可选的实施例中，所述数据周期包括以下任意一种：所述原始样本数据所属用户的生理周期、采集所述样本数据时的数据采集周期。
在本说明书一个可选的实施例中，所述原始样本集中包含正样本和负样本，正样本和负样本中的一个是第一样本，另一个是第二样本，所述第一样本的数量小于所述第二样本的数量。扩增集生成模块300，具体配置为：采用所述多种扩增策略，分别对由原始样本集中的第一样本构成的第一样本集进行扩增，使得扩增后的第一样本集中的第一样本的数量与原始样本集中的第二样本的数量差异不大于第一数量阈值；采用所述多种扩增策略，对由扩增后的第一样本集和原始样本集中的第二样本构成的样本集进行扩增，得到多个扩增集。
在本说明书一个可选的实施例中，所述原始样本集中的原始样本数据是由时间序列构成的。
在本说明书一个可选的实施例中，所述多种扩增策略包括：基于平均序列求法的扩增策略和基于信号分解与重构的扩增策略。
在本说明书一个可选的实施例中，所述医学数据包括以下至少一种：心率数据、脉搏波数据、心电数据、肌电数据、血管超声频谱波、血流量数据、血压数据、血糖数据、血氧数据、体温数据、血细胞数据；
在本说明书一个可选的实施例中，所述指定模型是以下任一种：支持向量机、逻辑回归模型、决策树模型、卷积神经网络模型、LSTM模型。
本说明书实施例还提供了计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的模型训练的过程。
本说明书实施例还提出了图4所示的电子设备的示意结构图。如图4，在硬件层面，该电子设备可以包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述任一个模型训练的过程。
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件异或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、***或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (9)

1.一种医学数据处理方法，其特征在于，包括：
获取原始样本数据；
确定所述原始样本数据所对应的频域数据；
基于所述频域数据，确定波形因子、峰度因子、以及脉冲因子；
基于所述频域数据分别对所述波形因子、所述峰度因子、以及所述脉冲因子进行归一化处理，得到处理后的波形因子、处理后的峰度因子和处理后的脉冲因子；
基于所述波形因子、所述峰度因子、所述脉冲因子、所述处理后的波形因子、所述处理后的峰度因子和所述处理后的脉冲因子，确定所述原始样本数据是否具有周期性特征；
若所述原始样本数据呈现周期性特征，则根据对所述原始样本数据按照其数据周期进行划分得到的划分结果构成的集合，构建原始样本集；
若所述原始样本数据未呈现周期性特征，则将所述原始样本数据构成的集合，作为原始样本集；
采用多种扩增策略，分别对所述原始样本集进行扩增，得到多个扩增集；
对所述多个扩增集进行评估；
根据评估结果，从多种扩增策略选定一个目标策略；
按照目标扩增策略，对目标样本集进行扩增，得到训练样本集；
利用训练样本集对医学预测模型进行训练；
获取医学数据；
将所述医学数据作为完成训练的所述医学预测模型的入参，执行所述医学预测模型输出医学预测结果；
其中，所述基于所述波形因子、所述峰度因子、所述脉冲因子、所述处理后的波形因子、所述处理后的峰度因子和所述处理后的脉冲因子，确定所述原始样本数据是否具有周期性特征包括：
获取所述波形因子与所述处理后的波形因子的第一差值、所述峰度因子与所述处理后的峰度因子的第二差值、以及所述脉冲因子与所述处理后的脉冲因子的第三差值；
确定所述第一差值与所述波形因子的第一比值、所述第二差值与所述峰度因子的第二比值、以及所述第三差值与所述脉冲因子的第三比值；
获取第一系数、第二系数、以及第三系数，所述第一系数小于等于所述第二系数，所述第三系数大于所述第二系数，所述第一系数、所述第二系数和所述第三系数之和小于1；
若所述第一比值小于第一系数、所述第二比值小于第二系数、以及所述第三比值小于第三系数，则确定所述原始样本数据具有周期性特征。
2.权利要求1所述的方法，其特征在于，对所述多个扩增集进行评估，包括：
采用所述多个扩增集，分别对指定模型进行训练；
根据训练后的指定模型的模型性能，得到对所述多个扩增集进行评估结果。
3.权利要求2所述的方法，其特征在于，所述方法包括以下至少一项：
所述指定模型是采用所述原始样本集训练得到的；
所述模型性能通过以下至少一种表征：准确率、召回率、F1-score。
4.权利要求1所述的方法，其特征在于，所述数据周期包括以下任意一种：所述原始样本数据所属用户的生理周期、采集所述样本数据时的数据采集周期。
5.权利要求1所述的方法，其特征在于，所述原始样本集中包含正样本和负样本，正样本和负样本中的一个是第一样本，另一个是第二样本，所述第一样本的数量小于所述第二样本的数量；其中，所述方法还包括：
采用所述多种扩增策略，分别对由原始样本集中的第一样本构成的第一样本集进行扩增，使得扩增后的第一样本集中的第一样本的数量与原始样本集中的第二样本的数量差异不大于第一数量阈值；
采用所述多种扩增策略，对由扩增后的第一样本集和原始样本集中的第二样本构成的样本集进行扩增，得到多个扩增集。
6.权利要求1所述的方法，其特征在于，所述方法包括以下至少一项：
所述原始样本集中的原始样本数据是由时间序列构成的；
所述多种扩增策略包括：基于平均序列求法的扩增策略和基于信号分解与重构的扩增策略；
所述医学数据包括以下至少一种：心率数据、脉搏波数据、心电数据、肌电数据、血管超声频谱波、血流量数据、血压数据、血糖数据、血氧数据、体温数据、血细胞数据；
指定模型是以下任一种：支持向量机、逻辑回归模型、决策树模型、卷积神经网络模型、LSTM模型。
7.一 种模型训练装置，其特征在于，所述装置包括：
原始样本处理模块，配置为：获取原始样本数据；确定所述原始样本数据所对应的频域数据；基于所述频域数据，确定波形因子、峰度因子、以及脉冲因子；基于所述频域数据分别对所述波形因子、所述峰度因子、以及所述脉冲因子进行归一化处理，得到处理后的波形因子、处理后的峰度因子和处理后的脉冲因子；基于所述波形因子、所述峰度因子、所述脉冲因子、所述处理后的波形因子、所述处理后的峰度因子和所述处理后的脉冲因子，确定原始样本数据是否具有周期性特征；若所述原始样本数据呈现周期性特征，则根据对所述原始样本数据按照其数据周期进行划分得到的划分结果构成的集合，构建原始样本集；若所述原始样本数据未呈现周期性特征，则将所述原始样本数据构成的集合，作为原始样本集；其中，所述基于所述波形因子、所述峰度因子、所述脉冲因子、所述处理后的波形因子、所述处理后的峰度因子和所述处理后的脉冲因子，确定所述原始样本数据是否具有周期性特征包括：获取所述波形因子与所述处理后的波形因子的第一差值、所述峰度因子与所述处理后的峰度因子的第二差值、以及所述脉冲因子与所述处理后的脉冲因子的第三差值；确定所述第一差值与所述波形因子的第一比值、所述第二差值与所述峰度因子的第二比值、以及所述第三差值与所述脉冲因子的第三比值；获取第一系数、第二系数、以及第三系数，所述第一系数小于等于所述第二系数，所述第三系数大于所述第二系数，所述第一系数、所述第二系数和所述第三系数之和小于1；若所述第一比值小于第一系数、所述第二比值小于第二系数、以及所述第三比值小于第三系数，则确定所述原始样本数据具有周期性特征；
扩增集生成模块，配置为：采用多种扩增策略，分别对所述原始样本集进行扩增，得到多个扩增集；
评估模块，配置为：对所述多个扩增集进行评估；
目标策略确定模块，配置为：根据评估结果，从多种扩增策略选定一个目标策略；
训练样本集确定模块，配置为：按照目标扩增策略，对目标样本集进行扩增，得到训练样本集；
训练模块，配置为：利用训练样本集对医学预测模型进行训练；
医学数据获取模块，配置为：获取医学数据；
预测模块，配置为：将所述医学数据作为完成训练的所述医学预测模型的入参，执行所述医学预测模型输出医学预测结果。
8.一 种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-6任一所述的方法。
9.一 种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-6任一所述的方法。
CN202111498958.4A 2021-12-09 2021-12-09 医学数据处理方法、装置、存储介质及电子设备 Active CN114386479B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111498958.4A CN114386479B (zh) 2021-12-09 2021-12-09 医学数据处理方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111498958.4A CN114386479B (zh) 2021-12-09 2021-12-09 医学数据处理方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN114386479A CN114386479A (zh) 2022-04-22
CN114386479B true CN114386479B (zh) 2023-02-03

Family

ID=81196539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111498958.4A Active CN114386479B (zh) 2021-12-09 2021-12-09 医学数据处理方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN114386479B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115966314B (zh) * 2022-12-23 2023-12-12 南栖仙策(南京)高新技术有限公司 一种数据处理方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111816306A (zh) * 2020-09-14 2020-10-23 颐保医疗科技(上海)有限公司 一种医学数据处理方法、预测模型的训练方法及装置
CN111832666A (zh) * 2020-09-15 2020-10-27 平安国际智慧城市科技股份有限公司 医疗影像数据扩增方法、装置、介质及电子设备
CN112603327A (zh) * 2019-12-18 2021-04-06 华为技术有限公司 一种心电信号的检测方法、装置、终端以及存储介质
CN113052935A (zh) * 2021-03-23 2021-06-29 大连理工大学 渐进式学习的单视角ct重建方法
CN113397571A (zh) * 2021-07-16 2021-09-17 杭州电子科技大学 一种基于先验模板的肌电运动单元分解方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6480734B1 (en) * 2000-06-30 2002-11-12 Cardiac Science Inc. Cardiac arrhythmia detector using ECG waveform-factor and its irregularity

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112603327A (zh) * 2019-12-18 2021-04-06 华为技术有限公司 一种心电信号的检测方法、装置、终端以及存储介质
CN111816306A (zh) * 2020-09-14 2020-10-23 颐保医疗科技(上海)有限公司 一种医学数据处理方法、预测模型的训练方法及装置
CN111832666A (zh) * 2020-09-15 2020-10-27 平安国际智慧城市科技股份有限公司 医疗影像数据扩增方法、装置、介质及电子设备
CN113052935A (zh) * 2021-03-23 2021-06-29 大连理工大学 渐进式学习的单视角ct重建方法
CN113397571A (zh) * 2021-07-16 2021-09-17 杭州电子科技大学 一种基于先验模板的肌电运动单元分解方法

Also Published As

Publication number Publication date
CN114386479A (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
Perna Convolutional neural networks learning from respiratory data
Gjoreski et al. Machine learning and end-to-end deep learning for the detection of chronic heart failure from heart sounds
US20200337580A1 (en) Time series data learning and analysis method using artificial intelligence
Sengur Support vector machine ensembles for intelligent diagnosis of valvular heart disease
Sujadevi et al. Deep models for phonocardiography (PCG) classification
CN110946566B (zh) 一种基于U-Net网络的心拍分类方法、装置、设备及存储介质
CN114386454B (zh) 基于信号混合策略的医疗时序信号数据处理方法
CN116030829A (zh) 一种基于深度残差神经网络的心音分类方法
CN114386479B (zh) 医学数据处理方法、装置、存储介质及电子设备
Li et al. Patient-specific seizure prediction from electroencephalogram signal via multichannel feedback capsule network
CN113133769A (zh) 基于运动想象脑电信号的设备控制方法、装置及终端
CN113143295A (zh) 基于运动想象脑电信号的设备控制方法及终端
John et al. SomnNET: An SpO2 based deep learning network for sleep apnea detection in smartwatches
Kumar et al. Comparison of Machine learning models for Parkinson’s Disease prediction
Chen et al. Abnormal heart sound detection from unsegmented phonocardiogram using deep features and shallow classifiers
AU2021363110A1 (en) Method and system for personalized prediction of infection and sepsis
Guntari et al. Classification of post-stroke EEG signal using genetic algorithm and recurrent neural networks
CN116898455B (zh) 一种基于深度学习模型的睡眠脑电信号检测方法及***
CN116898451A (zh) 用具有多尺度注意力机制的神经网络实现房颤预测的方法
CN114224354B (zh) 心律失常分类方法、装置及可读存储介质
Macabiau et al. Label Propagation Techniques for Artifact Detection in Imbalanced Classes using Photoplethysmogram Signals
Liu et al. A learnable front-end based efficient channel attention network for heart sound classification
Liu et al. Energy-efficient intelligent pulmonary auscultation for post COVID-19 era wearable monitoring enabled by two-stage hybrid neural network
Zang et al. AmtNet: Attentional multi-scale temporal network for phonocardiogram signal classification
Mukherjee et al. A Visual Domain Transfer Learning Approach for Heartbeat Sound Classification

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant