【CN109907751A】一种基于人工智能监督学习的实验室胸痛数据检查辅助识别方法【专利】

(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 (43)申请公布日 (21)申请号 201910147228.6
(22)申请日 2019.02.27
(71)申请人 严洋
地址 212000 江苏省镇江市京口区松盛园3
栋305室
(72)发明人 严洋　严金川　
(74)专利代理机构 南京申云知识产权代理事务
所(普通合伙) 32274
代理人 王云
(51)Int.Cl.
A61B 5/0402(2006.01)
G01N 33/48(2006.01)
G06K 9/62(2006.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
(54)发明名称
一种基于人工智能监督学习的实验室胸痛
数据检查辅助识别方法
(57)摘要
发明公开了一种基于人工智能监督学习的
实验室胸痛数据检查辅助识别方法，属于人工智
能医疗技术领域，包括AI系统，AI系统获取临床
医生、患者信息和数据库信息，AI系统将从数据
库中找出疾病的诊断标准，对每个标准与患者入
院后收集到的实际情况进行比较，如果比较结果
匹配，则警告系统将不会启动，如果结果不一致，
人工智能会发出警报，提醒临床医生重新检查患
者的诊断。

本发明将人工智能与胸痛的检查联合
起来，实现智能化医学检验，增加判断的灵敏度
和正确率。

权利要求书3页 说明书9页 附图3页CN 109907751 A 2019.06.21
C N 109907751
A
1.基于人工智能监督学习的实验室胸痛数据检查辅助识别方法，其特征在于，包括AI 系统，所述AI系统获取临床医生诊断信息、患者实验室检查信息和数据库信息，并对患者实验室检查的心电数据和肌钙蛋白、肌红蛋白、肌酸激酶同工酶含量、D -二聚体、动脉血样分压数据进行融合分析处理；所述AI系统将从数据库中找出对患者实验室检查信息的诊断标准，与患者入院后临床医生诊断信息的分析标准进行比较，如果比较结果匹配，则警告系统将不会启动，如果结果不一致，人工智能会发出警报，提醒临床医生重新对患者进行检查。

2.根据权利要求1所述的基于人工智能监督学习的实验室胸痛数据检查辅助识别方法，其特征在于，进行融合分析处理过程中，包括：
AI系统采用改进Tri -Training算法实现对肌钙蛋白、肌红蛋白、肌酸激酶同工酶含量、D -二聚体和动脉血样分压数据的半监督学习：
算法输入为：通过数据采样获得肌钙蛋白，肌红蛋白、肌酸激酶同工酶含量、D -二聚体；动脉血样分压的样本数据，将样本数据分为无标记样本集U，Must -link约束集M，Cannot -link约束集C，标记样本选取的最大数目为N max ；算法输出为：D -二聚体两个区间划分、心肌损伤标志物区间划分、血气分析三个区间划分，将上述划分为有标记样本集R ′和更新后的无标记样本集U ′；
A1，初始化已标记样本数目N＝0，
U ′＝U；A2，然后，对于
由下述公式计算其对应的样本间距离：
其中d为样本属性数目，从M中确定具有最大距离值的样本对(x i ′，x j ′)，x i ′为用户标注样本，y i ′为得到的类别，令(x i ′，y i ′)，和(x j ′，y i ′)添加到R ′中，x i ′和x j ′从U ′中删除，N＝N+2；
A3，对于
由下述公式计算其对应的样本间距离：
其中从C中确定具有最小距离值的样本对(x p ′，x q ′)，x p ′为用户标注样本，y p ′为得到的类别，令(x p ′，y p ′)，和(x q ′，-y p ′)添加到R ′中，-y p ′与y p ′为相反的类别，将x p ′和x q ′从U ′中删除，N ＝N+2；
A4，若N＜N max ，则转向步骤A2，否则，算法结束；
引入聚类算法，解决在心肌损伤标志物、D -2聚体、血气分析数据处理过程中带来不必要的样本误判，产生更合适的数据划分；
输入：
标记样本
未标记样本其中u为未标记样本数，令标签数目为labelN，总样本为allN，正样本数目为posN，负样本数目为negN；
首先，对每个有标签数据求其与其他点的欧氏距离Kdist，
自小到大排序为：
其次，求取有标签数据前后两个距离的差值rate：
rate＝abs(Kdist(i，j+1)-Kdist(i，j))；
权　利　要　求　书1/3页2CN 109907751 A。