一种基于支持向量机的医疗影像检查疾病分类方法
【技术领域】
[0001] 本发明涉及医疗影像检查疾病自动分类领域，具体涉及一种基于支持向量机的医 疗影像检查疾病自动分类方法。
【背景技术】
[0002] 随着数字医疗的快速发展，医疗数据成爆炸式增长。以医疗影像信息系统RIS为 例，长年运行积累了大量的检查、随访和会诊记录，其中大部分内容为文本数据。针对这些 海量文本数据，研宄围绕疾病的聚类、分类对于医疗管理决策有着重要意义。
[0003] 目前，对于医疗影像检查的疾病分类，一般是通过影像医生人工分类，由于影像医 生日常诊断繁忙，常常无暇顾及。因此，事后实现自动分类具有应用价值。经过文献检索 可知，霍洪波等在文章 The Automatic Classification Research to Medical Imaging Disease Based on Na'ive Nayesion Algorithm提出了基于朴素贝叶斯算法的影像检查文 本自动分类方法。朴素贝叶斯方法存在不足之处：首先朴素贝叶斯分类法是假设在各个分 类属性之间是相互独立的，而在实际情况下，各类属性之间不可能是相互独立的，这给分类 准确率带来了一定的影响；其次，该方法是假设在无限训练样本存在的情况下建立的，而实 际情况下训练样本不可能无限大。
[0004] 针对朴素贝叶斯分类方法存在的上述问题，本发明采用优化的支持向量机分类方 法，解决小样本训练问题、高维、非线性以及分类精度低等问题。
【发明内容】
[0005] 本发明的目的主要是为了克服常用分类器对样本量、高维以及训练过程存在的问 题，提出了一种优化的支持向量机文本分类方法，解决医疗影像检查基于文本数据的疾病 自动分类。
[0006] 本发明主要按照以下技术方法实现：首先对医疗影像信息系统RIS数据库中的检 查文本用κ-means聚类，生成标准医疗影像疾病语料库，该语料库作为分类器训练样本以 及测试样本。其次，再使用训练样本对支持向量机分类器进行训练，生成分类标准后再使用 该分类模型对分类样本分类。最后针对分类结果存在的不足之处，提出支持向量机分类器 优化的训练过程。
[0007] 本发明的具体步骤是：
[0008] 步骤1 :首先对RIS数据库中的检查文本数据使用k-means聚类方法聚成十大类， 聚成十个类别后，借助国际疾病类型分类标准I⑶-?ο将这十个类别进行疾病类型编码。将 编码后的十大类文本数据作为医疗影像疾病标准语料库，并以此作为分类的训练数据以及 测试数据。K-means聚类的具体步骤可以按照以下步骤来完成：
[0009] 1)对选出的检查文本数据先进行预处理，主要对检查文本数据进行词性的标注， 构成统计词典，对文本数据进行词条切分，并使用中文分词程序ICTCLAS完成分词。
[0010] 2)建立检查文本数据的空间向量并降维。该步骤主要是将检查文本数据转化成计 算机能识别的形式，采用空间向量模型来表示文本信息。由于生成的向量空间模型其维数 一般都很大，需要经过稀疏降维处理。
[0011] 3)检查文本数据聚类处理。采用平面划分的聚类过程如下：
[0012] (1)确定生成的簇的数目k;
[0013] (2)生成k个原始聚类中心S = (S1, s2,…，sn);
[0014] (3)对D中的每个文件φ，依次计算与聚类中心S中Sj的相似度sim(d i，Sj);
[0015] (4)从上面计算出的相似度中选出最大相似度，并将Cli归入到s」中；
[0016] (5)重复（3)、（4)两个步骤若干次，直到所有检查文本数据都完成聚类；
[0017] (6)将聚类完成的十个大类按照国际疾病分类标准ICD-10进行编码并确定其疾 病类型。
[0018] 步骤2 :从十大类检查文本数据中抽取其中一部分记录作为分类的训练模型，而 将剩余的检查文本数据作为测试样本，用于检测分类模型的分类精度。文本分类使用支持 向量机方法，具体建立支持向量机分类器（SVM分类器）过程如下所示：
[0019] 1)检查文本预处理。首先要对训练样本进行文本预处理，由于在文本聚类过程中 已经检查过文本的是否缺失以及是否存在脏数据等情况，故该步骤无需重复以上步骤。只 需使用ICTCLAS汉语分词系统对训练样本进行分词处理。
[0020] 2)检查文本表示。将上述预处理完成的文本转换成计算机能明白的形式，文本表 示模型较多，其优缺点也不相同，本方法中使用的向量空间表示模型。其向量空间模型可以 表不为 V = (ti，W1;!: 2, W2;. · · ;t n, wn)。其中（L，t2, · · ·，tn)表不特征词条，（W1, W2, · · ·，wn) 表示特征词条对应的权重。
[0021] 3)对检查文本中的特征词条进行降维处理，即特征选择处理。特征选择的方法很 多，本方法使用互信息（MI)，互信息用于描述两个变量间的相关程度，若两者的相关程度越 高，则其MI值越大，反之则越小。首先计算出所有检查文本中特征词条与类别之间的MI值， 然后设定一个阈值，将大于该阈值的特征词条留下，而删除小于该阈值的特征词条。
[0022] 4)支持向量机分类器的建立。构建SVM分类器方法最关键的是找出一个最优超 平面将样本数据分为两类，最优超平面不仅能将两类正确分开，而且要使分类间距最大。当 分类线性方程为g (X) = W · x+b，对它进行归一化处理使其满足Ig(X) I彡1，当条件等于1 的时候可以求得其分类间隔为2/1 Iwl I，要使分类间隔最大等价于I Iwl I最小。转化为求解
【主权项】
1. 一种基于支持向量机的医疗影像检查疾病分类方法，其特征在于该方法包括以下步 骤： 步骤1 :首先对RIS数据库中的检查文本数据使用k-means聚类方法聚成十大类，聚成 十个类别后，借助国际疾病类型分类标准I⑶-10将这十个类别进行疾病类型编码；将编码 后的十大类文本数据作为医疗影像疾病标准语料库，并以此作为分类的训练数据以及测试 数据； 步骤2 :从十大类检查文本数据中抽取其中一部分记录作为分类的训练模型，而将剩 余的检查文本数据作为测试样本，用于检测分类模型的分类精度；文本分类使用支持向量 机方法： 步骤3 :针对检查文本分类过程中支持向量机分类器的建立过程进行优化； 使用训练样本完成支持向量机分类器的建立后，将剩余的样本作为测试样本来检测分 类器的分类精度；在完成测试集的分类后，通过建立分类结果的混淆矩阵，来判断哪些检查 文本被错分，找出这些错分的文本并将其加入到原属类别的训练样本中，以此来组成新的 训练样本，最后再将新的训练样本通过步骤2来进行训练支持向量机分类器。
2. 根据权利要求1所述的一种基于支持向量机的医疗影像检查疾病分类方法，其特征 在于：步骤1中所述K-means聚类的具体步骤按照以下步骤来完成： 1) 对选出的检查文本数据先进行预处理，主要对检查文本数据进行词性的标注，构成 统计词典，对文本数据进行词条切分，并使用中文分词程序ICTCLAS完成分词； 2) 建立检查文本数据的空间向量并降维；该步骤主要是将检查文本数据转化成计算 机能识别的形式，采用空间向量模型来表示文本信息；由于生成的向量空间模型其维数一 般都很大，需要经过稀疏降维处理； 3) 检查文本数据聚类处理；采用平面划分的聚类过程如下： (1) 确定生成的簇的数目k ; (2) 生成k个原始聚类中心S = (S1, S2,…，sn); (3) 对D中的每个文件屯，依次计算与聚类中心S中的相似度simd，Sj); (4) 从上面计算出的相似度中选出最大相似度，并将Cli归入到^中； (5) 重复（3)、（4)两个步骤若干次，直到所有检查文本数据都完成聚类； (6) 将聚类完成的十个大类按照国际疾病分类标准ICD-10进行编码并确定其疾病类 型。
3. 根据权利要求1所述的一种基于支持向量机的医疗影像检查疾病分类方法，其特征 在于：步骤2中向量机方法，其具体建立支持向量机分类器过程如下所示： 1) 检查文本预处理；首先要对训练样本进行文本预处理，使用ICTCLAS汉语分词系统 对训练样本进行分词处理； 2) 检查文本表示；将上述预处理完成的文本转换成计算机能明白的形式，使用向量空 间表示模型；其向量空间模型表示为V = U1, w1;t 2, w2;. . . ;t n, wn)，其中U1, t2, . . .，tn)表 示特征词条，（W1, w2, . . .，wn)表示特征词条对应的权重； 3) 对检查文本中的特征词条进行降维处理，即特征选择处理；特征选择的使用互信 息，首先计算出所有检查文本中特征词条与类别之间的互信息值，然后设定一个阈值，将大 于该阈值的特征词条留下，而删除小于该阈值的特征词条； 4) 支持向量机分类器的建立；构建支持向量机分类器方法最关键的是找出一个最优 超平面将样本数据分为两类，最优超平面不仅能将两类正确分开，而且要使分类间距最大； 当分类线性方程为g(x) =W ·Χ+?3,对它进行归一化处理使其满足|g(x) I彡1，当条件等于 1的时候可以求得其分类间隔为2/1 Iwl I，要使分类间隔最大等价于I Iwl I最小；转化为求 解0(r) = = 的最小值，针对该最优求解，引入Lagrange函数来解决该约束 最优化问题，转化为目标函数： min Z(fr，A，％)=金 |卜『-写 a?·'. + A) - 1] ( 1) 由Lagrange极值定理可以求得最优解Wi"和b #(其中YiG {+1，-1}正表示属于该类， 负表示不属于该类）；最后即可得到最优分类函数为： f(x) - sgn(r*·^ + b*) = sgna*YiXi^x + ?*) (2) ?-1 如果f (X)大于O表示该样本属于71类，小于O则表示不属于y i类； 5) 构造多类SVM分类器；采用的是二叉树方法来构造；其主要思想是将第i类作为+1 类，第i+Ι到i+n类为-1类，随着i的递增依次建立多个分类器即可；对待分类样本X时， 从第一个分类器开始，如果大于〇则表示属于第一类并停止决策，否则继续使用第二个分 类器，以此类推直到判断出X所属类别为止。
【专利摘要】本发明公开了一种基于支持向量机的医疗影像检查疾病分类方法。本发明使用K-means聚类完成对检查文本数据的聚类，并将聚类好的检查文本作为SVM分类器的训练集以及测试集，最后针对检查文本的特有情况，对SVM分类器的训练过程使用了一种优化的训练过程，以此来提高SVM分类器的分类效果。
【IPC分类】G06K9-62
【公开号】CN104834940
【申请号】CN201510242216
【发明人】何必仕, 倪杭建, 徐哲
【申请人】杭州电子科技大学
【公开日】2015年8月12日
【申请日】2015年5月12日