基于多层次特征和多分类器的疗效分类方法及装置

本发明涉及智能医疗，尤其涉及一种基于多层次特征和多分类器的疗效分类方法及装置。

背景技术：

1、帕金森病是一种常见的神经系统变性疾病，是大脑的某些功能区域发生了病变导致。如果这些部位的病变累及了控制情绪、情感的功能区域，就会导致抑郁、焦虑等症状。在帕金森病早期，帕金森的运动症状还没有出现的时候，往往就已经出现了这些非运动症状。根据统计，大约有一半的帕金森病患者会合并抑郁问题，称为帕金森伴抑郁。

2、耳迷走神经刺激是近几年兴起的一种物理治疗方法，用于治疗帕金森伴抑郁的疗效确切、安全、经济，无任何副作用，具有广阔的应用前景。但是耳迷走神经刺激其疗效存在着明显的个体差异，对有些患者来说，这种治疗方式治疗很有效果，然而还有一些患者通过这种治疗方式治疗的效果不佳，因此在临床实践时会造成患者不必要的经济和时间的浪费。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种基于多层次特征和多分类器的疗效分类方法及装置，能够实现治疗前分类耳迷走神经刺激治疗帕金森抑郁疗效好及疗效差患者，对疗效好的患者，给予推荐该疗法，疗效差患者，选择其它疗法，减少患者的经济及时间浪费。

2、为了解决上述技术问题，本发明第一方面公开了一种基于多层次特征和多分类器的疗效分类方法，所述方法包括：

3、获取待测人员的待测数据；

4、将所述待测数据输入至训练好的疗效分类模型，得到所述待测数据对应的疗效分类结果；

5、将所述疗效分类结果作为所述疗效分类模型的输出结果输出；

6、其中，所述待测数据为多个不同类型的指标数据，所述指标数据用于反映至少包括迷走神经张力和/或迷走神经效率的影响迷走神经刺激疗效的因素；所述训练好的疗效分类模型配置有多个检测不同类型的指标数据的底层分类器；各底层分类器用于根据输入的人体指标数据的指标类型，得到所述类型对应的判别结果；各判别结果与最终疗效分类结果均包括表示疗效好的第一结果和表示疗效不好的第二结果两种情况；判别结果与疗效分类结果有关；所述训练好的疗效分类模型是通过预设训练过程训练得到的。

7、可选的，所述预设训练过程包括：

8、确定初始疗效分类模型和训练数据；所述初始疗效分类模型配置有多个底层分类器，所述训练数据为多组指标特征，包括训练集和测试集；

9、将所述训练数据中的当前组数据输入所述初始疗效分类模型；

10、根据预设的第一对应关系和确定好的各指标分类效能，将所述训练数据中各类型指标数据的最优指标分别输入各自对应的所述初始疗效分类模型的底层分类器，得到各所述底层分类器的判别结果；

11、根据判别结果与疗效分类结果的关联关系，得到当前组数据的疗效分类结果；

12、采用留一交叉验证法对疗效分类模型进行训练，在疗效分类模型在训练中满足预设条件的情况下，将所述情况下的疗效分类模型作为所述训练好的疗效分类模型；

13、其中，所述预设条件包括疗效分类模型的准确率达到设定阈值。

14、可选的，所述训练数据为多组样本的指标特征，所述多组样本的来源包括适宜通过耳迷走神经刺激治疗帕金森抑郁的实验者和不适宜通过耳迷走神经刺激治疗帕金森抑郁的实验者；

15、所述初始疗效分类模型配置的底层分类器的个数与指标类型的种类数相同。

16、可选的，所述指标数据包括功能性磁共振成像数据和/或心电数据；指标类型包括心率变异性、脑功能和皮层指标、弥散张量成像、迷走神经效率、定量铁沉积、脑血流量；

17、和/或，

18、指标类型至少包括迷走神经效率、定量铁沉积、脑血流量；

19、和/或，

20、指标类型至少包括心率变异性、迷走神经效率、定量铁沉积、脑血流量；

21、和/或，

22、指标类型至少包括脑功能和皮层指标、迷走神经效率、定量铁沉积、脑血流量；

23、和/或，

24、指标类型至少包括弥散张量成像、迷走神经效率、定量铁沉积、脑血流量；

25、和/或，

26、指标类型至少包括心率变异性、脑功能和皮层指标、迷走神经效率、定量铁沉积、脑血流量；

27、其中，所述心率变异性包括三个指标，所述脑功能和皮层指标包括五个指标，所述弥散张量成像包括四个指标。

28、可选的，所述将所述训练数据中的当前组数据输入所述初始疗效分类模型之后，以及根据预设的第一对应关系和确定好的各指标分类效能，将所述训练数据中各类型指标数据的最优指标分别输入各自对应的所述初始疗效分类模型的底层分类器之前，所述预设训练过程还包括：

29、采用双样本t检验法对多组样本的指标特征进行检验，筛除没有显著性差异的特征类型。

30、可选的，所述判别结果与疗效分类结果的关系如下：

31、预设各底层分类器的权重；

32、所述判别结果的两种情况中表示疗效好的第一结果的第一标签与表示疗效不好的第二结果的第二标签相反；

33、若所有判别结果中各第一结果与对应权重之积的绝对值之和大于各第二结果与对应权重之积的绝对值之和，则所述疗效分类结果为表示疗效好的第一结果；

34、若所有判别结果中各第一结果与对应权重之积的绝对值之和小于或等于各第二结果与对应权重之积的绝对值之和，则所述疗效分类结果为表示疗效差的第二结果。

35、可选的，所述获取待测人员的待测数据包括：

36、控制设备扫描所述待测人员的目标部位，得到功能性磁共振成像数据和/或心电数据；

37、对功能性磁共振成像数据和/或心电数据进行预处理，将预处理后的数据作为待测数据。

38、本发明第二方面公开了一种基于多层次特征和多分类器的疗效分类装置，所述装置包括：

39、数据获取模块，用于获取待测人员的待测数据；

40、疗效分类模块，用于将所述待测数据输入至训练好的疗效分类模型，得到所述待测数据对应的疗效分类结果；

41、结果输出模块，用于将所述疗效分类结果作为所述疗效分类模型的输出结果输出；

42、其中，所述待测数据为多个不同类型的指标数据，所述指标数据用于反映至少包括迷走神经张力和/或迷走神经效率的影响迷走神经刺激疗效的因素；所述训练好的疗效分类模型配置有多个检测不同类型的指标数据的底层分类器；各底层分类器用于根据输入的人体指标数据的指标类型，得到所述类型对应的判别结果；各判别结果与最终疗效分类结果均包括表示疗效好的第一结果和表示疗效不好的第二结果两种情况；判别结果与疗效分类结果有关；所述训练好的疗效分类模型是通过预设训练过程训练得到的。

43、可选的，所述装置还包括：

44、结果实时存储与发送模块，用于将所述疗效分类结果存储到云盘以及实时发送至所述装置通信连接的用户端。

45、本发明第三方面公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于多层次特征和多分类器的疗效分类方法。

46、与现有技术相比，本发明实施例具有以下有益效果：

47、本发明实施例中，通过获取待测人员的待测数据，将待测数据输入至训练好的疗效分类模型，得到待测数据对应的疗效分类结果，从而将疗效分类结果作为疗效分类模型的输出结果输出。其中，待测数据为多个不同类型的指标数据，指标数据用于反映至少包括迷走神经张力和/或迷走神经效率的影响迷走神经刺激疗效的因素；训练好的疗效分类模型配置有多个检测不同类型的指标数据的底层分类器；各底层分类器用于根据输入的人体指标数据的类型，得到类型对应的判别结果；各判别结果与最终疗效分类结果均包括表示疗效好的第一结果和表示疗效不好的第二结果两种情况；判别结果与疗效分类结果有关；训练好的疗效分类模型是通过预设训练过程训练得到的。

48、可见，实施本发明能够实现：

49、1)治疗前适宜患者的遴选，实现疗效优化，同时避免患者经济上及时间上的浪费；

50、2)针对耳迷走神经刺激治疗帕金森抑郁的特点，以影响耳迷走神经刺激疗效的关键因素(迷走神经张力-心率变异性、迷走神经效率)、帕金森抑郁发生发展起重要影响因素的指标(铁沉积-qsm、脑血流量-asl)为关键指标，提高了分类模型的效能及泛化能力；

51、3)采用多底层分类器模式代替单分类器模式，可以更好的满足不同指标的个体化需求，因而可获得更好的分类效能及模型的泛化能力；

52、4)在多分类器的基础上，依据不同的指标间对抗抑郁治疗疗效的预测本身就存在着的不同权重，对不同的分类器的结果设置不同的权重，并通过加权投票，将多种分类器组合在一起，然后通过每个底部分类器输出标签的加权和，以少数服从多数的原则，来确定多分类器的效能，提高分类器的精度；

53、5)采用芯片对运算的集成化，实现装置的微型化，有利于耳迷走神经刺激疗法的推广、个体化精准治疗。