一种计算机辅助医疗数据处理系统及方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109887603A(43)申请公布日2019.06.14(21)申请号201910043458.8(22)申请日2019.01.17(71)申请人日照职业技术学院地址276826山东省日照市东港区烟台北路16号(72)发明人黄青海厉成龙姬晓(74)专利代理机构重庆市信立达专利代理事务所(普通合伙)50230代理人包晓静(51)Int.Cl.G16H50/70(2018.01)G16H10/60(2018.01)权利要求书2页说明书6页附图2页(54)发明名称一种计算机辅助医疗数据处理系统及方法(57)摘要本发明属于医疗辅助技术领域，公开了一种计算机辅助医疗数据处理系统及方法；对病人的数据信息进行录入系统，计算机通过无线信号收发器将病人的信息传递到云服务器中进行储存共享；对病人的数据信息进行分类储存在储存器中，及时的对病人的信息进行更新；当临床医生对病人的数据信息进行查询的时候，通过输入病人的名字或证件对病人信息进行验证，查询到病人的信息，进行相关的诊断治疗；病人的相关数据信息通过显示器显示，供临床医生查看。本发明有效提高SVM算法对少数类的分类性能，提高运行效率；提高挖掘效率和可扩展性，使之适用于动态增长的大数据环境；解决了匹配计算速度与精度不能兼得的矛盾，很好地实现了特征点的正确匹配。CN109887603ACN109887603A权利要求书1/2页1.一种计算机辅助医疗数据处理方法，其特征在于，所述计算机辅助医疗数据处理方法包括以下步骤：第一步，对病人的数据信息进行录入系统，计算机通过无线信号收发器将病人的信息传递到云服务器中进行储存共享；第二步，对病人的数据信息进行分类储存在储存器中，及时的对病人的信息进行更新；第三步，当临床医生对病人的数据信息进行查询的时候，通过输入病人的名字或证件对病人信息进行验证，查询到病人的信息，进行相关的诊断治疗；第四步，病人的相关数据信息通过显示器显示，供临床医生查看。2.如权利要求1所述的计算机辅助医疗数据处理方法，其特征在于，对病人的相关信息进行分类储存，采用改进的不均衡数据据SVM算法，包括以下步骤：步骤一，设置预取样的多数类样本点个数MajorN＝m*MinorN，m为两者数量上的比例；步骤二，首先利用多数类样本集合建立一个基于高斯核的相似矩阵S∈Rn×n，n是原有多数类样本的个数；步骤三，利用上述的谱聚类算法对多数类样本进行聚类分析，生成聚类A1，…，Ak，k＝MajorN；步骤四，选择每一个聚类中具有代表性的样本点，其中在每一个聚类中的样本选择数取决于该聚类的大小以及该聚类中的样本与少数类样本点的平均距离的大小，聚类越大，选择的样本数越多；离少数类样本越近则选择的越少；KDistil＝K(xi，xi)+K(xl，xl)-2K(xi，xl)；其中Ksizei为聚类Ai的大小，IDisti为聚类Ai到少数类的平均距离，是每一个聚类中选择的样本个数；步骤五，对于每一个聚类，选择前个离少数类样本点平均距离最小的样本组合后形成新的多数类训练样本子集；步骤六，将取样得到的多数类训练样本子集和全部的少数类样本组合作为新的训练样本，输入到SVM算法中进行训练学习,其中核参数与相似矩阵S的核参数相同，即谱聚类和SVM分类算法都在一个空间中进行；步骤七，根据训练得到的分类界面进行新样本的类别辨识。3.如权利要求1所述的计算机辅助医疗数据处理方法，其特征在于，对病人的数据信息2CN109887603A权利要求书2/2页及时更新，采用改进的数据更新算法，具体过程如下：设定原始事务数据库为DB，事务集T＝{T1，T2，…，Tn}，候选项集为CD，频繁项集为LD，原始事务数据库大小为|DB|；新增数据库为db，频繁项集为Ld，新增数据库大小为|db|；更新后的数据库为S，S＝DB∪db，频繁项集为Ls，支持度为sup；输入：原始事务数据集DB；新增事务数据集db；输出：更新后的数据集S；的频繁项集LS；步骤一，扫描原始数据集，得到DB的候选1项集根据支持度得出频繁1项集排序后建立，FList，按照分组策略进行分组，构造DB的频繁模式树，对频繁模式树进行频繁项集的挖掘，得到DB的频繁项集LD；步骤二，扫描新增数据集，得到db的候选1项集读取步骤1中的合并得到更新后数据集S的候选1项集根据支持度得出S的频繁1项集排序后建立FList’，按照分组策略进行分组，构造db的频繁模式树；步骤三，对频繁模式树进行频繁项集的挖掘，同时读取步骤1中DB的频繁项集LD，对生成的每个频繁模式k和LD做比较：若k属于LD，则k是原数据集的频繁项，将k的支持度与在LD对应的支持度计数相加可得k在S中的支持度计数，如果总计数大于S的最小支持度计数，则加入S