一种基于层次结构的疾病分类模型生成方法、系统及设备

本发明涉及疾病分类，尤其涉及一种基于层次结构的疾病分类方法、系统及设备。

背景技术：

1、随着医疗数据量的快速增长，准确高效地对疾病进行分类成为医学诊断领域的一大挑战。传统的疾病分类方法往往面临数据不平衡、可分类类别少等问题，难以满足实际应用需求。层次分类作为一种有效的解决方案，通过将疾病分类为不同层次的类型，可以逐步细化分类结果，提高分类精度。此外，层次分类还可以充分利用医疗数据中的内在结构，增强分类模型的解释性，为医生提供更准确、更易理解的诊断信息。因此，开发基于层次分类的医疗数据疾病分类方法具有重要的研究价值和应用前景。

2、因此，现有技术还有待改进和发展。

技术实现思路

1、本发明要解决的技术问题在于现有的疾病分类方法中分类精度低，针对现有技术的上述缺陷，提供一种基于层次结构的疾病分类模型生成方法、系统及设备，旨在解决现有技术中疾病分类精度不高的问题。

2、本发明解决问题所采用的技术方案如下：

3、第一方面，本发明实施例提供一种基于层次结构的疾病分类模型生成方法，其中，所述方法包括：

4、获取国际疾病分类表，并基于所述国际疾病分类表建立层次结构疾病分类模型；

5、获取多模态医疗数据，并对所述多模态医疗数据进行标签，得到所述多模态医疗数据的真实分类标签；

6、将所述多模态医疗数据输入所述层次结构疾病分类模型中进行类别预测，得到所述多模态医疗数据预测分类标签，并基于所述真实分类标签和所述预测分类标签之间的召回率或精确率进行模型分类器筛选，得到疾病分类模型。

7、在一种实现方式中，所述基于所述国际疾病分类表建立层次结构疾病分类模型，包括：

8、对所述国际疾病分类表进行初次分类，得到人体系统疾病层；

9、对所述国际疾病分类表进行二次分类，得到器官病变疾病层；

10、对所述国际疾病分类表进行三次分类，得到具体疾病层；

11、将所述人体系统疾病层、器官病变疾病层和具体疾病层应用至层次结构分类模型中，得到所述层次结构疾病分类模型。

12、在一种实现方式中，所述将所述多模态医疗数据输入所述层次结构疾病分类模型中进行类别预测，得到所述多模态医疗数据预测分类标签，并基于所述真实分类标签和所述预测分类标签之间的召回率或精确率进行模型分类器筛选，得到疾病分类模型，包括：

13、对所述多模态医疗数据进行特征提取，得到所述多模态医疗数据的多模态特征；

14、将所述多模态特征输入所述层次结构疾病分类模型的人体系统疾病层多种分类器中进行标签预测，得到人体系统疾病预测分类标签，基于所述真实分类标签和所述人体系统疾病预测分类标签之间的召回率进行模型分类器筛选，得到所述人体系统疾病层分类器；

15、将所述多模态特征输入所述层次结构疾病分类模型的器官病变疾病层多种分类器中进行标签预测，得到器官病变疾病预测分类标签，基于所述真实分类标签和所述器官病变疾病预测分类标签之间的召回率进行模型分类器筛选，得到所述器官病变疾病层分类器；

16、将所述多模态特征输入所述层次结构疾病分类模型的具体疾病层多种分类器中进行标签预测，得到具体疾病预测分类标签，基于所述真实分类标签和所述具体疾病预测分类标签之间的精确率进行模型分类器筛选，得到所述具体疾病层分类器；

17、基于所述人体系统疾病层分类器、器官病变疾病层分类器和具体疾病层分类器得到所述疾病分类模型。

18、在一种实现方式中，所述对所述多模态医疗数据进行特征提取，得到所述多模态医疗数据的多模态特征，包括：

19、采用主成分分析法对所述多模态医疗数据进行一维特征提取，得到所述多模态医疗数据的一维信号特征；

20、采用尺度不变特征变换法对所述多模态医疗数据进行二维特征提取，得到所述多模态医疗数据的二维图像特征；

21、对所述一维信号特征和所述二维图像特征进行特征拼接，得到所述多模态医疗数据的多模态特征。

22、在一种实现方式中，所述将所述多模态特征输入所述层次结构疾病分类模型的人体系统疾病层多种分类器中进行标签预测，得到人体系统疾病预测分类标签，基于所述真实分类标签和所述人体系统疾病预测分类标签之间的召回率进行模型分类器筛选，得到所述人体系统疾病层分类器，所述分类器包括向量机和随机森林算法模型，包括：

23、将所述多模态特征输入向量机中进行疾病类别预测，得到人体系统疾病第一预测标签，并计算所述人体系统疾病第一预测分类标签与所述真实分类标签之间的第一召回率；

24、将所述多模态特征输入随机森林算法模型中进行疾病类别预测，得到人体系统疾病第二预测标签，并计算所述人体系统疾病第二预测分类标签与所述真实分类标签之间的第二召回率；

25、比较所述第一召回率和第二召回率的大小，若所述第一召回率大于所述第二召回率，则将所述向量机作为所述人体系统疾病层分类器，

26、若所述第二召回率大于所述第一召回率，则将所述随机森林算法模型作为所述人体系统疾病层分类器。

27、在一种实现方式中，所述将所述多模态特征输入所述层次结构疾病分类模型的器官病变疾病层多种分类器中进行标签预测，得到器官病变疾病预测分类标签，基于所述真实分类标签和所述器官病变疾病预测分类标签之间的召回率进行模型分类器筛选，得到所述器官病变疾病层分类器，所述分类器包括向量机和随机森林算法模型，包括：

28、将所述多模态特征输入向量机中进行疾病类别预测，得到器官病变疾病第一预测分类标签，并计算所述器官病变第一预测分类标签与所述真实分类标签之间的第一召回率；

29、将所述多模态特征输入随机森林算法模型中进行疾病类别预测，得到器官病变疾病第二预测分类标签，并计算所述器官病变第二预测分类标签与所述真实分类标签之间的第二召回率；

30、比较所述第一召回率和第二召回率的大小，若所述第一召回率大于所述第二召回率，则将所述向量机作为所述器官病变疾病层分类器，若所述第二召回率大于所述第一召回率，则将所述随机森林算法模型作为所述器官病变疾病层分类器。

31、在一种实现方式中，所述将所述多模态特征输入所述层次结构疾病分类模型的具体疾病层多种分类器中进行标签预测，得到具体疾病预测分类标签，基于所述真实分类标签和所述具体疾病预测分类标签之间的精确率进行模型分类器筛选，得到所述具体疾病层分类器，所述分类器包括向量机和随机森林算法模型，包括：

32、将所述多模态特征输入向量机中进行疾病类别预测，得到器官具体疾病第一预测分类标签，并计算所述具体疾病第一预测分类标签与所述真实分类标签之间的第一精确率；

33、将所述多模态特征输入随机森林算法模型中进行疾病类别预测，得到具体疾病第二预测分类标签，并计算所述具体疾病第二预测分类标签与所述真实分类标签之间的第二精确率；

34、比较所述第一精确率和第二精确率的大小，若所述第一精确率大于所述第二召回率，则将所述向量机作为所述器官病变疾病层分类器，若所述第二召回率大于所述第一精确率，则将所述随机森林算法模型作为所述器官病变疾病层分类器。

35、第二方面，本发明实施例还提供一种基于层次结构的疾病分类模型生成系统，其中，所述系统包括：

36、模型构建模块，用于获取国际疾病分类表，并基于所述国际疾病分类表建立层次结构疾病分类模型；

37、数据标签模块，用于获取多模态医疗数据，并对所述多模态医疗数据进行标签，得到所述多模态医疗数据的真实分类标签；

38、模型训练模块，用于将所述多模态医疗数据输入所述层次结构疾病分类模型中进行类别预测，得到所述多模态医疗数据预测分类标签，并基于所述真实分类标签和所述预测分类标签之间的召回率或精确率进行模型分类器筛选，得到疾病分类模型。

39、在一种实现方式中，所述模型构建模块包括：

40、人体系统疾病层建立单元，用于对所述国际疾病分类表进行初次分类，得到人体系统疾病层；

41、器官病变疾病层建立单元，用于对所述国际疾病分类表进行二次分类，得到器官病变疾病层；

42、具体疾病层建立单元，用于对所述国际疾病分类表进行三次分类，得到具体疾病层；

43、模型组合单元，用于将所述人体系统疾病层、器官病变疾病层和具体疾病层应用至层次结构分类模型中，得到所述层次结构疾病分类模型。

44、在一种实现方式中，所述模型训练模块包括：

45、特征提取单元，用于对所述多模态医疗数据进行特征提取，得到所述多模态医疗数据的多模态特征；

46、第一预测单元，用于将所述多模态特征输入所述层次结构疾病分类模型的人体系统疾病层多种分类器中进行标签预测，得到人体系统疾病预测分类标签，基于所述真实分类标签和所述人体系统疾病预测分类标签之间的召回率进行模型分类器筛选，得到所述人体系统疾病层分类器；

47、第二预测单元，用于将所述多模态特征输入所述层次结构疾病分类模型的器官病变疾病层多种分类器中进行标签预测，得到器官病变疾病预测分类标签，基于所述真实分类标签和所述器官病变疾病预测分类标签之间的召回率进行模型分类器筛选，得到所述器官病变疾病层分类器；

48、第三预测单元，用于将所述多模态特征输入所述层次结构疾病分类模型的具体疾病层多种分类器中进行标签预测，得到具体疾病预测分类标签，基于所述真实分类标签和所述具体疾病预测分类标签之间的精确率进行模型分类器筛选，得到所述具体疾病层分类器；

49、模型确定单元，用于基于所述人体系统疾病层分类器、器官病变疾病层分类器和具体疾病层分类器得到所述疾病分类模型。

50、在一种实现方式中，所述特征提取单元包括：

51、一维特征提取单元，用于采用主成分分析法对所述多模态医疗数据进行一维特征提取，得到所述多模态医疗数据的一维信号特征；

52、二维特征提取单元，用于采用尺度不变特征变换法对所述多模态医疗数据进行二维特征提取，得到所述多模态医疗数据的二维图像特征；

53、特征拼接单元，用于对所述一维信号特征和所述二维图像特征进行特征拼接，得到所述多模态医疗数据的多模态特征。

54、在一种实现方式中，所述第一预测单元包括：

55、人体系统疾病层第一召回率计算子单元，用于将所述多模态特征输入向量机中进行疾病类别预测，得到人体系统疾病第一预测标签，并计算所述人体系统疾病第一预测分类标签与所述真实分类标签之间的第一召回率；

56、人体系统疾病层第二召回率计算子单元，用于将所述多模态特征输入随机森林算法模型中进行疾病类别预测，得到人体系统疾病第二预测标签，并计算所述人体系统疾病第二预测分类标签与所述真实分类标签之间的第二召回率；

57、人体系统疾病层分类器确定子单元，用于比较所述第一召回率和第二召回率的大小，若所述第一召回率大于所述第二召回率，则将所述向量机作为所述人体系统疾病层分类器，若所述第二召回率大于所述第一召回率，则将所述随机森林算法模型作为所述人体系统疾病层分类器。

58、在一种实现方式中，所述第二预测单元包括：

59、器官病变疾病层第一召回率计算子单元，用于将所述多模态特征输入向量机中进行疾病类别预测，得到器官病变疾病第一预测分类标签，并计算所述器官病变第一预测分类标签与所述真实分类标签之间的第一召回率；

60、器官病变疾病层第二召回率计算子单元，用于将所述多模态特征输入随机森林算法模型中进行疾病类别预测，得到器官病变疾病第二预测分类标签，并计算所述器官病变第二预测分类标签与所述真实分类标签之间的第二召回率；

61、器官病变疾病层分类器确定子单元，用于比较所述第一召回率和第二召回率的大小，若所述第一召回率大于所述第二召回率，则将所述向量机作为所述器官病变疾病层分类器，若所述第二召回率大于所述第一召回率，则将所述随机森林算法模型作为所述器官病变疾病层分类器。

62、在一种实现方式中，所述第三预测单元包括：

63、具体疾病层第一精确率计算子单元，用于将所述多模态特征输入向量机中进行疾病类别预测，得到器官具体疾病第一预测分类标签，并计算所述具体疾病第一预测分类标签与所述真实分类标签之间的第一精确率；

64、具体疾病层第二精确率计算子单元，用于将所述多模态特征输入随机森林算法模型中进行疾病类别预测，得到具体疾病第二预测分类标签，并计算所述具体疾病第二预测分类标签与所述真实分类标签之间的第二精确率；

65、具体疾病层分类器确定子单元，用于比较所述第一精确率和第二精确率的大小，若所述第一精确率大于所述第二召回率，则将所述向量机作为所述器官病变疾病层分类器，若所述第二召回率大于所述第一精确率，则将所述随机森林算法模型作为所述器官病变疾病层分类器。

66、第三方面，本发明实施还提供一种终端设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述的基于层次结构的疾病分类模型生成方法。

67、第四方面，本发明实施例还提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上述中任意一项所述的基于层次结构的疾病分类模型生成方法。

68、本发明的有益效果：与现有技术相比，本发明提供一种基于层次结构的疾病分类模型生成方法、系统及设备，本发明首先获取国际疾病分类表，并基于所述国际疾病分类表建立层次结构疾病分类模型；然后获取多模态医疗数据，并对所述多模态医疗数据进行标签，得到所述多模态医疗数据的真实分类标签；最后将所述多模态医疗数据输入所述层次结构疾病分类模型中进行类别预测，得到所述多模态医疗数据预测分类标签，并基于所述真实分类标签和所述预测分类标签之间的召回率或精确率进行模型分类器筛选，得到疾病分类模型。本发明通过根据国际疾病分类表建立层次结构的疾病分类模型，然后对每个层次进行训练，筛选出每个层次最优分类器以构建出可以进行准确的疾病分类的层次结构的疾病分类模型。