病人疾病状况相关的第二输 入参数，将第二输入参数传输至集成评分系统，以及将第二输入参数与相应的加权分类器 进行比较以测定危险评分。
[0057] 本发明一实施方式中，第二输入参数为以下任意一种：病史、用药史、吸烟史、心脏 疾病的家庭史以及过去24小时内发生心绞痛的次数。
[0058] 本发明一实施方式中，该方法包括获得执行十二导联心电图操作至少5分钟后产 生的第三组输入参数。
[0059] 本发明一实施方式中，该方法包括数据存取模块获取以往病人的数据，该数据存 取模块用于与积累以往病人数据的数据库进行数据通信。
[0060] 本发明一实施方式中，该方法包括以下步骤：接收来自积累以往病人数据的数据 库中的数据；将数据分成多个数据集，每组数据集对应于一个分类器，并包括一组不平衡数 据集。
[0061] 本发明一实施方式中，该方法包括以下步骤：接收来自分类模块的对应第一分类 器的第一不平衡数据集，第一不平衡数据集包括第一多数数据集及第一少数数据集，该第 一多数数据集包括第一数量的数据样本，该第一少数数据集包括第二数量的数据样本；并 提取第一多数数据子集，第一多数数据子集包括第一多数数据集中第三数量的样本；其中， 在第一多数数据子集中第三数量的样本的数量等于第一少数数据集中第二数量的样本的 数量。
[0062] 本发明一实施方式中，该方法包括以下步骤：根据数据存取模块提供的以往病人 的数据，用分类器生成模块创建多个加权分类器。
[0063] 本发明一实施方式中，该方法包括以下步骤：用训练模块接收采样模块传送的第 一多数数据子集与第一少数数据集；以及建立第一分类模型，以用第一多数数据子集和第 一少数数据集表示第一分类器。
[0064] 本发明一实施方式中，该方法包括以下步骤：用训练模块接收采样模块传送的多 个多数数据子集与多个少数数据集；以及建立分类模型，以用接收到的多个多数数据子集 和少数数据集表示多个分类器。
[0065] 本发明一实施方式中，该方法包括以下步骤：用加权模块向多个分类器中的每个 分类器分配相同的权重，以获得多个加权分类器。
[0066] 本发明一实施方式中，该方法包括以下步骤：用支持向量机建立分类模型。
[0067] 本发明一实施方式中，该方法包括以下步骤：用过采样模块接收采样模块传送的 第一多数数据子集与第一少数数据集；以及并通过对第一多数数据子集与第一少数数据集 执行重置过采样合成处理来创建第一合成数据集。
[0068] 本发明一实施方式中，该方法包括以下步骤：对第一少数数据集进行过采样，通过 在第一少数数据集中提取一个数据点来进行过采样，并沿着连接该数据点和预定数量的相 邻数据点的线段进行数据合成。
[0069] 本发明一实施方式中，该方法包括以下步骤：训练模块根据第一多数数据子集以 及与第一分类器相对应的第一少数数据集建立第一分类模型；用验证模块根据第一合成数 据集对第一分类模型进行验证；获得指示第一分类器的重要性的第一分类模型产生的预测 精度。
[0070] 本发明一实施方式中，该方法包括以下步骤：用过采样模块接收采样模块传送的 多个多数数据子集与多个少数数据集，并用过采样模块创建多个合成数据集；用训练模块 建立多个分类模型，以用接收到的多个多数数据子集和少数数据集表示多个分类器；用验 证模块根据多个合成数据集对多个分类模型进行验证，获得表示多个分类器中每个分类器 的重要性的分类模型产生的多个预测精度。
[0071] 本发明一实施方式中，该方法包括以下步骤：用加权模块根据每个分类器的重要 性向多个分类器中每个分类器分配权重，以获得多个加权分类器。
[0072] 本发明一实施方式中，该方法包括以下步骤：用测试模块接收第一输入参数、至少 一项HRV参数和至少一项ECG参数中的任意一项；用相应的加权分类器评估接收到的参数， 以及为每个用于评估的加权分类器生成〇或1的二进制预测输出结果。
[0073] 本发明一实施方式中，该方法包括以下步骤：基于所有用于评估的加权分类器的 二进制预测输出的标准化总和，用评分模块计算危险评分。
[0074] 本发明的第三方面提供了一种测定危险评分的方法，包括以下步骤：接收与第一 分类器对应的第一不平衡数据集，并对数据样本进行采样，以形成第一平衡数据集；通过对 第一平衡数据集执行重置过采样合成处理来创建第一合成数据集；基于与第一分类器相应 的第一平衡数据集建立第一分类模型；根据第一合成数据集对第一分类模型进行验证；获 得指示第一分类器的重要性的第一分类模型产生的预测精度。
[0075] 本发明一实施方式中，该方法包括以下步骤：获取与多个分类模型有关的多个预 测精度；根据每个分类模型的预测精度对多个分类模型进行排序；根据每个分类模型的重 要性对多个分类模型中的每个分类模型分配权重以获得多个加权分类器；用相应的加权分 类器评估输入参数；每个用于评估的加权分类器生成〇或1的二进制预测输出结果；基于 所有用于评估的加权分类器的二进制预测输出结果的标准化总和计算危险评分。
[0076] 本发明的第四方面提供了一种用于测定心脏事件的危险评分的系统，包括：集成 评分系统，用于接收以下任意一种参数：(a)生命体征参数；(b)通过从执行心电图程序建 立的心电图中提取的心电图参数；（c)对心电图进行心率变异性分析测定得到的心率变异 性参数，该集成评分系统包括：多个用于提供危险评分计算的加权分类器，所述多个加权分 类器基于积累以往病人的数据的数据库中以往病人的数据而建立；以及分析模块，用于接 收第一输入参数、所述至少一项心率变异性参数和所述至少一项心电图参数，所述多项参 数被传送至集成评分系统，其中所述分析模块通过将所述第一输入参数、所述至少一项心 率变异性参数以及所述至少一项心电图参数与相应的加权分类器进行对比，以测定危险评 分。
[0077] 在本公开中，特定图中给定元件的描述或特定元件标号的使用或相应描述中的引 用可与另一个图中或相关的描述中的元件或元件编号相同或类似。在这里"/"指的是"和 /或"，除非特别注明。
[0078] 如本文所用，术语"集成"对应于或定义为元素的非空有限组织，在数学上表现为 基数至少为1 (即，这里定义的集成可对应于单元素集成，或多个元素集成），根据已知的数 学定义（例如，按照数学推理导论：数、集成和函数中描述的方式；第11章：有限集成的属 性（例如，第140页），作者彼得?埃克尔斯，剑桥大学出版社（1998))。在一般情况下，一个 集成中的一个元素可以包括或者可以是依赖考虑中的集成类型的系统、设备、装置、结构、 结构特征、对象、操作、物理参数或值。
[0079] 如本文所用，术语"组"和"群"对应于或定义为两个或更多个元件的组合，例如， 一组或一群可以被定义为具有至少两种成分的集合。如本文所用的术语"子群"对应于或 被定义为一组或一群的一部分，因此对应于或可以被定义为至少一个元件的组合，例如，一 子组可以被定义为具有至少一种成分的集合。
[0080] 分类系统
[0081]本发明公开实施例中，提供一种用于测定用于医院急诊部门分类的危险评分的系 统，尤其测定用于急性冠状动脉综合症分类的危险评分的系统。急性冠状动脉综合症包括 冠状动脉阻塞的任何一组症状。除了医院急症部门分类，本发明一实施方式也可在其它环 境下测定危险评分，例如救护车、诊所、病房、重症治疗监护室（ICU)、家庭或非医疗工作环 境中。
[0082]被送往医院急诊部门的胸痛病人在治疗急性期内（〈72小时）有不同程度的并发 症危险。由于医院急诊部门医疗资源有限，尤其是医生和专家，事实上，对于新入病人来说， 有必要采用分类方法进行危险分层，以有效地解决病人的问题并对医疗资源进行有效分 配。
[0083] 如前所述，目前的评分系统并不能有效地提供观察和危险评估，尤其在ACS领域。 心肌梗死溶栓（TIMI)的危险评估是目前临床上最被接受的关于ACS病人的危险分类。然 而，其预测精度已被部分学术界提出疑问，例如，在Hess等人的论文《关于急诊部门的胸痛 病人和潜在急性冠脉综合征的改进心肌梗死溶栓危险评分的前瞻性验证》中，Hess等人确 定了"改进的TIMI分数评估优于原来的关于诊断的准确性……然而，两者均不具有足够的 敏感性和特效性，不建议作为急诊部门中胸痛病人的唯一测定手段。"
[0084] 心电图是医疗专家用于获取病人心脏电活动量的无创性操作，通过将电极固定在 病人身体的外表面上执行，并通过外部处理系统进行处理。对产生的电气信号的解释被称 之为心电图（ECG)，可观察病人心脏的任意异常功能或节律。
[0085] 被固定的电极可提供心脏电活动的检测。总的来说，被固定的电极越多，得到的读 数中可获取的信息越多。按照"导联"创建电极的特定结构，其中一个导联指两个电极之间 的电压差的追踪。通常情况下，提供可用于3、5或12导联心电图的结构，其中三个电极可 获得一个三导联心电图，五个电极可获得一个五导联心电图，十个电极可获得一个十二导 联心电图。
[0086] 图1示意了将病人10与十个电极12连接，以获得十二导联ECG14。将多个电极放 在病人胸部的不同位置，同样的，在病人的四肢放置电极。在医院，尤其是重症治疗监护室 或高依赖监测病床中，十二导联ECG属于常见的工具，因为十二导联ECG输出可提供病人心 脏三个区域一一前部、侧面和下部更详细的细节观察，而且ECG某些碎片的改变可指示有需 要关注的区域。然而，得到十二导联ECG需要经过训练的个人精确地施用10个电极。此外， 为了从十二导联ECG中提取更多的病人信息，需要有经验和经过高度训练的临床医生解读 十二导联ECG。
[0087] 上述难题限制了十二导联ECG作为分类工具在急诊部门中的使用。对新入患有胸 痛的病人需要给予及时的关注与评估，然而通常地，可能没有可用的经过专门培训的既可 以施用电极也能解读结果的护士和医生。十二导联ECG用于对病人心脏情况进行深度"快 照"查看。不幸的是，在急诊部门，此类精细深度查看可能得不到及时解读，因此三导联ECG 在急诊部门更常见。
[0088] 本发明申请人在本发明以前研发过自动危险评估工具，用于鉴定送至急诊部门的 病人的心脏危险，其内容通过引用专利W02011/115576结合在本申请中。
[0089] 现有抟术f献的讨论
[0090] 本发明一实施方式中，设想存在一种快速、精确的分类工具，用于评估患有胸痛病 症的病人，并由临床医生操作，该临床医生可提出危险评分评估，且不具有丰富的经验或未 经过高度的专门训练。
[0091] 本发明一实施万式的分类系统的系统架构
[0092] 图2所示为本发明一实施方式的分类系统的系统架构图。分类系统100可用于送 至急诊部门的有胸痛症状的新入病人102。该分类系统100是一种用于急诊部门的临床工 具，可评估新入病人并输出危险评分。该系统的危险评分与病人ACS危险分层有关，其中， 较低分数可能预示着胸痛为自限型的，而较高分数预示着可能会即将发生心脏骤停和/或 致死性心律失常。
[0093]总的看来，分类系统100利用符合疾病状态信息的生理学和心脏数据测量，也在 智能机器学习评分系统中处理此类输入，通过将当前输入与相关的以往病人的诊断进行比 较，以提供与病人ACS危险有关的的合理的危险评分。
[0094] 本发明一实施方式中，将至少一种与新入病人102有关的疾病状况输入106提供 给分类系统1〇〇。在本实施方式中，为急诊部门护士提供一种计算机界面系统，用于注册新 入病人102,并登记与病人102的疾病状况输入106有关的相关信息。此后通过病人标识 符，通常为姓名或身份登记号码登录分类系统中央处理器104,并将该疾病状况输入106传 输至分类系统中央处理器104。
[0095] 该疾病状况106可以为病人病史、用药史、药物过敏、吸烟史、心脏疾病家族史、过 去24小时内的心绞痛纪录、小病纪录或病情描述，以及其他可能对于评估或检测病人是否 患ACS有用的信息或因素。还可能包括病人年龄、性别和人口信息。
[0096] 这样的疾病状况106通常通过口头询问病人而获取，但病人可能不知何故不能正 常谈话或病人不知道这类相关信息，或无行为能力。可以设想有一种中央处理器，能够与存 储有病人102的疾病状况输入106的中央数据服务器108进行通信。因此，中央处理器104 可以访问数据服务器108,基于相关的病人标识符在数据服务器108中进行查询，检索所需 要的信息，并传输该信息以用于当前分类评估。在本实施例中，中央数据服务器108为医院 数据服务器，医院的各个工作站为中央数据服务器108提供并收集信息，其中病人102之前 可能会不定期来医院，病人相关的疾病状况和病史就可以获得。可替换地，中央数据服务器 108可以是区域或国家数据服务器，在遵守相关的隐私法和隐私规章制度的条件下，医院和 医疗护理机构可方便地共享病人信息。
[0097] 牛理学测量
[0098] 本发明一实施方式的分类系统100也可用于在危险评估中获取来自病人102的生 理学数据输入110。本实施方式中，生理学数据可指病人102的生命体征数据。生命体征数 据可被定义为指示病人身体的必要功能的状况的临床测量。例如，生命体征数据可指心率、 呼吸频率、血压读数、体温读数、格拉斯哥昏迷评分（GCS)、外周血氧饱和度（Sp02)读数、疼 痛评分，或任何其他测量或与从病人身上获得的与ACS评估相关的读数。
[0099] 为了获得此类生理学数据110,可通过如下方式测量上述生命体征标识。例如，可 以使用组合的血压测量装置，例如PropaqCS生命体征监视器，测量心率和血压读数中的收 缩压和舒张压。可替代地，诸如血压计或水银压力计装置可以用于测量血压。可使用呼吸描 记图来测量心率、氧饱和度读数和呼吸频率。个别地，可以用简单的脉搏监测器监测心率， 以及可以使用脉搏血氧计来测量氧饱和度。Sp02的测量也可被称为脉搏血氧饱和度，并被 定义为氧合血红蛋白与血液中血红蛋白的总浓度之比。
[0100] 格拉斯哥昏迷评分（GCS)是指响应医学专业指导发出的指令，身体方面（例如四 肢、眼睛）及/或语言方面病人可自动进行反应的程度。疼痛评分是指病人对施加在其身 上的疼痛的响应度（例如肢体或身体一部分的内收、内旋或延伸；屈伸或撤回）。可以采用 (耳）鼓膜温度计记录（耳）鼓膜温度。
[0101] 此外，在分类时记录AVPU(警报、声音、疼痛、反应迟钝）分数，收集过程中根据最 佳响应进行评分。早期，在送至急诊部门时，基于收集的数据计算和修改预警评分（MEWS)。 基于四项生理学读数（收缩血压、心率、呼吸频率、体温）与一项观察（意识水平，AVPU)， MEWS为确定病人的疾病提供简单的指引。
[0102] 进一步地，在本实施方式中，还可通过免疫测试测量送来的病人的心肌钙蛋白T 的血清水平，这可用于推断心脏状况，例如心肌梗塞。
[0103] 在本实施方式中，中央处理器104具有充分的信号获取与处理能力，可以直接接 收来自任意或所有生理学数据输入110的信号输入。或者，分类系统100将测量结果与上 述获取到的生理学输入110整合至自包含生理学数据处理单元中，然后向中央处理器104 提供数字信号以用于分类和下一步处理。
[0104] 并且，同样地，中央处理器104可访问中央数据服务器，以获得先前测量得到并记 录的生理学