[go: up one dir, main page]

CN118335319B - 基于虚拟人仿真的常见重大疾病早期预测方法 - Google Patents

基于虚拟人仿真的常见重大疾病早期预测方法 Download PDF

Info

Publication number
CN118335319B
CN118335319B CN202410749228.4A CN202410749228A CN118335319B CN 118335319 B CN118335319 B CN 118335319B CN 202410749228 A CN202410749228 A CN 202410749228A CN 118335319 B CN118335319 B CN 118335319B
Authority
CN
China
Prior art keywords
variables
virtual human
partition
bayesian network
prediction model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202410749228.4A
Other languages
English (en)
Other versions
CN118335319A (zh
Inventor
张韬
李佳圆
温晓玲
伍东升
陈苗双
胡琳
陈馨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN202410749228.4A priority Critical patent/CN118335319B/zh
Publication of CN118335319A publication Critical patent/CN118335319A/zh
Application granted granted Critical
Publication of CN118335319B publication Critical patent/CN118335319B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明属于疾病预测技术领域，公开了一种基于虚拟人仿真的常见重大疾病早期预测方法，包括通过结构学习和参数学习构建的基于动态贝叶斯网络的虚拟人预测模型，并通过虚拟人预测模型对常见重大疾病进行早期预测；本发明结合健康增龄纵向队列进展过程中多维动态分子变化特征，基于机器学习增强型的动态贝叶斯网络模型和群体学习等技术构建“虚拟人”仿真的预测模型，揭示复杂暴露和表型特征对多种健康结局的“多因多果”联合效应，筛选具有生物学意义的健康增龄新型标志物，通过不同层面组学信息之间的互补，提高增龄过程中重大疾病早期风险预测的灵敏度和准确性。

Description

基于虚拟人仿真的常见重大疾病早期预测方法
技术领域
本发明属于疾病预测技术领域，具体涉及一种基于虚拟人仿真的常见重大疾病早期预测方法。
背景技术
常见重大疾病危险因素有年龄、遗传因素、生活方式、环境因素、慢性病史、心理因素等，其发病影响因素涉及范围广且关系较为复杂。如图2所示的分析框架为我们提供了系统性的方法，用于评估预防性医疗服务的证据，为构建准确的风险评估模型提供了重要指导。随着高通量基因组学、蛋白质组学、代谢组学等多组学的飞速发展，使得在分子水平上阐述常见重大疾病发生发展过程中的复杂机制成为可能。研究表明：遗传因素在常见重大疾病的发生发展中也同样扮演重要角色。因此，从分子水平研究常见重大疾病的发病风险，进而构建基于多组学的风险评估模型可帮助预测常见重大疾病表型并进行常见重大疾病发病风险分层，将为精准预防和诊疗奠定基础。
传统单组学研究为筛选增龄及增龄过程中常见重大疾病新型分子标志物提供了重要信息，但其所提供的生物学过程信息往往具有较大的局限性，对复杂的增龄过程的整体解释度亦有限。将基因、蛋白、代谢、脂质、菌群等不同层面之间的信息进行有机整合，不仅为解释增龄进程的生物学机制提供更多的证据，还有利于深层次挖掘与增龄过程中常见重大疾病相关的新型分子标志物。因此，融合基因组学、代谢组学、膳食模式与营养状况等多维度信息，构建常见重大疾病发病风险评估模型，识别常见重大疾病高危人群、动态评估个体未来发生常见重大疾病的风险，为常见重大疾病高危人群提供个体化的早期针对性预防干预。
发明内容
本发明的目的在于提供一种基于虚拟人仿真的常见重大疾病早期预测方法，该方法采用基于真实因果关系和机器学习的动态贝叶斯网络模型作为虚拟人预测模型，能对重大疾病进行分期预测，为常见重大疾病的风险评估和防治提供重要的参考依据。
为实现上述目的，本发明采用如下技术方案：
一种基于虚拟人仿真的常见重大疾病早期预测方法，包括通过结构学习和参数学习构建的基于动态贝叶斯网络的虚拟人预测模型，并通过虚拟人预测模型对常见重大疾病进行早期预测；
其中，所述结构学习是用于从潜在因素中筛选出与风险预测相关的因素，并确定动态贝叶斯网络的拓扑结构构建虚拟人预测模型；
所述结构学习是先利用模糊理论将知识转换为归一化模糊隶属度，通过隶属度确定两个变量之间的因果关系，并将两个变量之间的关系作为搜索贝叶斯网络结构空间的强限制条件或者弱限制条件构建出多个初始虚拟人预测模型；然后利用分区MCMC方法从多个初始虚拟人预测模型中探索出最优的虚拟人预测模型；
所述参数学习用于确定最优的虚拟人预测模型中每个变量在给定其父节点集的条件下的概率分布利用已有的数据集估计出最优的虚拟人预测模型中各个节点之间的条件概率关系，为每个节点分配概率参数；所述参数学习以常见重大疾病分期作为风险评估的分类结局指标并先通过EKM方法聚类后再利用扩增型两阶段stacking算法进行预测结果；最后通过网格搜索法和5折交叉验证来确定虚拟人预测模型的最优参数，从而构建出最终的虚拟人预测模型；
所述扩增型两阶段stacking算法是将N个不同的初级学习器对同一数据集的输出类后验概率分别作为元层分类器的N个固定维度的输入向量，且在stacking算法的基础上增加一个初级层。
进一步地，通过隶属度确定两个变量之间的因果关系：当隶属度为0，两个变量之间不存在因果关系，当隶属度为1，两个变量之间存在因果关系，当隶属度在0与1之间，两个变量之间的因果关系不能确定。
进一步地，所述强限制条件是指隶属度为0和隶属度为1时两个变量的因果关系，所述弱限制条件是指隶属度在0与1之间两个变量的因果关系。
进一步地，所述分区MCMC方法包括：
根据分区要求和分区规则将贝叶斯网络的初始拓扑结构中所有变量分成m个区并 对其依次编号，设第i区(i=1,2,…,m)的变量个数为ki，变量个数，各个分区中 的变量个数，每个分区中的具体变量为πλ，标记分区Λ=(λ,πλ)，标记 分区Λ下的贝叶斯网络结构为；在给定数据D的情况下，标记分区Λ的后验分布正比于对 贝叶斯网络结构中每个节点Xi及其父节点Pai的评分进行合并后得到的总评分，总评分为标记分区空间 与贝叶斯网络结构空间的等价性，根据总评分最大的标记分区确定贝叶斯网络结构空间中 最优的网络结构；
每次迭代中，当前标记分区为Λ，提议标记分区为Λ*，接受概率为，其中，为标记分区的邻域，该邻域由标记分区 将一个分区拆分成两个分区或者将两个相邻分区合并成为一个分区。
进一步地，所述分区要求包括同一个区内的变量之间没有箭头连接、第1区的变量没有父节点、除第1区外其他每个区的各个变量必须至少有一个来自前一个区的父节点；
所述分区规则由强限制条件决定，对于强限制条件中没有明确规定的变量采用随机模拟的方式分区。
进一步地，根据数据集的类型不同选择不同的初级学习器，针对图像型数据的初级学习器包括卷积神经网络CNN、全卷积网络FCN和深度玻尔兹曼机DBM；针对文本型数据的初级学习器包括循环神经网络RNN、长短期记忆网络LSTM和门控循环单元GRU；针对数值型数据的初级学习器包括logistic回归、支持向量机SVM和朴素贝叶斯。
本发明结合健康增龄纵向队列进展过程中多维动态分子变化特征，基于机器学习增强型的动态贝叶斯网络模型和群体学习等技术构建“虚拟人”仿真的预测模型，揭示复杂暴露和表型特征对多种健康结局的“多因多果”联合效应，筛选具有生物学意义的健康增龄新型标志物，通过不同层面组学信息之间的互补，提高增龄过程中重大疾病早期风险预测的灵敏度和准确性。并在此基础上开发适合临床应用的早期风险筛查工具，促进科研成果的转化应用，为健康增龄综合防治体系的构建提供科学依据。
附图说明
图1为本发明的流程示意图。
图2为USPSTF分析框架。
图3为本发明的初级学习器选择示意图。
图4为本发明的模型准确性对比图。
图5为本发明的模型灵敏度对比图。
图6为本发明的模型AUC对比图。
图7为本发明的模型特异度对比图。
具体实施方式
如图1所示，本实施例提供的一种基于虚拟人仿真的常见重大疾病早期预测方法，该方法基于机器学习增强型的动态贝叶斯网络模型和群体学习等技术构建虚拟人仿真的预测模型，有效地进行多源信息的表达与融合。
本实施例通过结构学习和参数学习构建动态贝叶斯网络作为虚拟人预测模型，并通过虚拟人预测模型进行常见重大疾病早期预测。
所述结构学习是用于从众多潜在因素中筛选出与风险预测相关的因素，并确定动态贝叶斯网络模型的拓扑结构构建出虚拟人预测模型。本实施例致力于识别那些对目标变量具有影响的因素，从而构建一个更加精确和可解释的贝叶斯网络模型结构；其中涉及对数据进行分析和挖掘，以识别变量之间的相关性和因果关系；结构学习的结果将直接影响虚拟人预测模型的质量和预测性能。
本实施例采用模糊理论和分区MCMC方法实现结构学习；在结构学习中包括两个阶段，第一阶段为知识驱动，模糊理论是一种用于处理模糊和不确定信息的数学工具，能够有效地处理医学领域中常见的模糊性和不确定性；第一阶段的目标是将知识转化为归一化模糊隶属度。简单来说，希望通过模糊化的方法将不确定的医学知识转化为一种形式化的表示，以便后续的学习和推理过程；模糊隶属度能被视为反映变量之间因果关系的先验概率；帮助限制变量个数以及贝叶斯网络结构的复杂程度，从而在一定程度上减轻了结构学习的难度。在第一阶段，本实施例利用医学数据库、专家咨询等多种来源获取的丰富知识经验；包括不限于病例数据、医学文献、专家意见等。然后，运用模糊理论对获取的丰富知识经验进行加工，综合运用各方面信息来源以考察这些变量之间的因果关系。
一般来说，对于两个变量A和B之间的因果关系可分为三种类型：类型，A→B，即A是B的原因；类型，B→A，即B是A的原因；类型，A和B之间无因果关系。
将这三种类型作为衡量变量A与B关系的三个模糊子集，并依据各条信息来源分别计算变量A与B关系属于三个模糊子集的归一化模糊隶属度。
根据隶属度的大小可分为以下三种情况：情况，若变量A与B的关系属于某种类型的模糊隶属度等于0，说明变量A与B一定不存在这种关系；例如，若变量A与B关系的类型模糊隶属度等于0，则说明A一定不会是B的原因；情况，若变量A与B的关系属于某种类型的模糊隶属度等于1，则说明变量A与B一定存在这种关系；例如，若变量A与B关系的类型隶属度等于1，则说明A一定是B的原因；情况，若变量A与B的关系属于任意一种类型的隶属度都在大于0和小于1之间，说明通过知识经验难以确定A与B之间的关系，尚需结合数据特征做进一步判断。
对于情况和情况，将其作为搜索贝叶斯网络结构空间的强限制条件，即强行限制贝叶斯网络中的节点A与B之间存在(或不存在)连接箭头；对于上述情况，可将其作为搜索贝叶斯网络结构空间的弱限制条件，以先验概率的形式纳入下一阶段的分区MCMC方法结构学习；通过强限制条件和弱限制条件，可缩小贝叶斯网络结构空间的搜索范围，达到简化分区MCMC方法搜索最优贝叶斯网络结构任务的目的。
第二阶段是利用分区MCMC方法探索最优贝叶斯网络结构，利用贝叶斯网络作为模型来描述变量之间的潜在关系。贝叶斯网络是一种概率图模型，它通过有向无环图来表示变量之间的依赖关系，并使用概率分布来描述这些关系。在第二阶段的目标是在受限的贝叶斯网络结构空间中寻找最优的网络结构，并以该网络结构作为虚拟人预测模型，分区MCMC方法能够更高效地探索大型搜索空间，从而加速贝叶斯网络结构的学习过程。
所述分区MCMC方法包括如下步骤：
首先，将根据贝叶斯网络的初始拓扑结构中所有变量分成m个区，并依次编号，第1区、第2区……第m区，并且要求(a)同一个区内的变量之间没有箭头连接；(b)第1区的变量没有父节点；(c)除第1区外，其他每个区的各个变量必须至少有一个来自前一个区的父节点。分区规则主要由第一阶段中的强限制条件决定，而对于第一阶段的强限制条件中没有明确规定的变量，则采用随机模拟的方式分区。
然后，设第i区(i=1,2,…,m)的变量个数为ki，所有的变量个数，每一 种分区方法，采用πλ为分区方法λ对应的变量排序；按照分区规则，λ 为各个分区中的变量个数，πλ为记录每个分区中的具体变量，标记分区Λ=(λ,πλ)，并采用 表示标记分区Λ下的贝叶斯网络结构；在给定数据D的情况下，标记分区Λ的后验分布正比 于对贝叶斯网络结构中每个节点Xi及其父节点Pai的评分进行合并后得到的总评分，总评分表明标记分区空 间与贝叶斯网络结构空间的等价性，即一旦能够在标记分区空间搜索到评分最大的标记分 区，则能够根据评分最大的标记分区确定贝叶斯网络结构空间中相应的最佳网络结构。
然后，构建基于标记分区空间的MCMC方法；在MCMC方法的每次迭代中，记当前标记 分区为Λ，提议标记分区为Λ*，接受概率为，其中， 为标记分区的邻域，该邻域由标记分区通过将一个分区拆分成两个分区或者将两个相 邻分区合并成为一个分区等操作实现。分区MCMC方法能够在给定训练数据集的条件下提供 一系列满足特定平稳后验概率分布的贝叶斯网络结构的样本，并进一步采用贝叶斯理论对 这些贝叶斯网络结构的样本进行统计推断，从而能够较好处理由于高维复杂数据结构和抽 样误差等原因导致的贝叶斯网络结构的不确定性问题。
本实施例的结构学习通过模糊理论和分区MCMC方法的结合实现，充分发挥模糊理论和分区MCMC方法在处理不确定性信息方面的优势；通过将最优贝叶斯网络结构的搜索范围限制在具有医学专业意义的范围内，确保所得到的结构具有实际意义，并且能够提高算法的效率。
所述参数学习用于确定网络中每个变量在给定其父节点集的条件下的概率分布。本实施例将利用已有的数据来估计网络中各个节点之间的条件概率关系，为贝叶斯网络中的每个节点分配适当的概率参数，从而使网络能够更准确地反映数据的统计特征和概率分布。通过结构学习和参数学习构成了机器学习增强型的动态贝叶斯网络的基本构建过程，并构建出最终虚拟人预测模型；通过结合真实因果关系和机器学习技术，虚拟人预测模型能够更好地利用多源信息进行风险预测和决策支持，为应用于实际场景中的数据分析和预测任务提供了有效的工具和方法。
在参数学习过程中，本实施例以常见重大疾病分期作为风险评估的分类结局指标；常见重大疾病分类结局指标的不同类别的构成比例存在显著差异。本实施例将常见重大疾病不同类别的分级综合为一个指标，导致复合指标不同类别的构成比例差异进一步扩大，使得数据集呈现不平衡状态。在面对不平衡数据集进行疾病预测模型训练时，传统的机器学习算法通常倾向于生成能最大化总体分类精度的模型，而对于少数类别则容易被忽视，这会导致模型的性能下降，特别是对于少数群体的预测精度将受到严重影响。鉴于常见重大疾病不同分期数据不平衡的问题可能对模型参数估计造成影响并降低算法运行时间，本实施例按照决策级融合的思想，当初级分类器分别对不同类型的数据做出决策后，将采用集成学习的方式将基分类器结果进行融合。
本实施例采用扩增型两阶段stacking算法处理数据非平衡问题，包括两个方面：第一方面，改变层级之间的输入属性表示方法。传统的stacking算法通常是将N个不同的初级学习器对同一样本数据的输出结果同时作为元学习器的一个输入向量的特征元素，导致当初级学习器的个数增加时，元层特征维数也在不断增长，从而延长了算法的运行时间。本实施例将N个不同初级学习器对同一样本的输出类后验概率分别作为元层分类器的N个固定维度的输入向量，不仅可以避免元层分类器的训练数据维度随着初级分类器的增加而扩大，还能提高元层学习器的训练数据的样本含量，从而在节省运行时间的同时，避免数据维度过高导致的数据稀疏性问题。
第二方面，增加stacking算法的层数；本实施例在stacking算法的基础上增加一个初级层，即将传统的stacking两层算法扩增为三层算法；由于本实施例已考虑到通过改变层级之间的输入属性表示方法来实现节省运行时间的目的，增加初级层后的stacking算法运行时间并不比使用相同个数的初级学习器的传统stacking算法运行时间长。另外，当再新增一个初级层后，将有助于进一步提高集成学习的泛化能力。本实施例的扩增型两阶段stacking算法在传统stacking算法的基础上增加了算法的层数，不仅能够确保诊断模型估计结果的准确性，还能保证其在外推性上的可靠性。能够更有效地解决不平衡数据集带来的挑战，提高模型在少数类别预测上的准确性和稳健性。
在参数学习过程中利用EKM（Ensemble K-modes）方法对主要类别样本进行聚类；通过EKM方法能够有效地将主要类别样本划分成不同的簇。在聚类完成后，采用两种不同的数据组合策略，（1）将多数类样本聚类成K个簇，然后分别与少数类样本构成新的数据集s1；（2）将多数类样本聚类成K个簇，然后将聚类的每个簇划分为K份，从每个簇中选择一份共同与少数类样本组成新的平衡样本s2。
在开展集成学习时，本实施例首先根据不同的数据类型选择相应的若干种初级学习器，如图3所示，针对图像型数据的初级学习器包括卷积神经网络CNN、全卷积网络FCN和深度玻尔兹曼机DBM等；针对文本型数据的初级学习器包括循环神经网络RNN、长短期记忆网络LSTM和门控循环单元GRU等；而针对数值型数据的初级学习器包括logistic回归、支持向量机SVM和朴素贝叶斯等。
然后，通过网格搜索法和5折交叉验证来选择模型的最优参数，从而在网络中每个节点计算出条件概率表。最终，利用这些条件概率表进行风险评估，针对常见重大疾病进行分期评估。这一评估结果可以为常见重大疾病的风险评估和防治提供重要的参考依据。
验证本实施例提供的预测方法有效性，对结构学习和参数学习后的虚拟人预测模型评价；本实施例是指针对患者的病情状态预测结果的评价。由于患者的实际病情状态可以通过病历和随访等方式获取，因此只需比较患者病情状态的预测结果与实际情况的一致性。
评价指标：针对重大疾病早期的预测模型评价可以选择很多指标，如针对定量变量的均方根误差RMSE、平均绝对误差MAE和平均绝对百分比误差MAPE等，以及针对分类变量的错误率和ROC分析等。由于这些指标比较常规，故不再赘述。但是需要注意的是，传统的ROC曲线只适用于分析二分类结局的情况(如是否死亡)，而本实施例结局存在多于两类的健康状态(如风险极低、风险低、风险中等、风险高和风险极高等)。传统处理多类结局变量的方法是对该变量重新按照二分类结局进行分类。但是这种做法将可能会对分类预测结果的估计带来严重偏倚。因此，本实施例采用高维ROC分析的方法，通过定义不同类别的正确分类率CCR，构建高维ROC曲面的不同维度。具体地，以各维度类别的正确分类率作为坐标轴，形成坐标系；并在该坐标系中标出不同临界值组合所对应的坐标位置(即工作点)，然后通过连接各点绘制形成高维ROC曲面。与二维ROC曲线类似，在高维ROC分析中，采用高维ROC曲面下体积VUS衡量治疗选择标志物对全体受试者的准确判别能力。VUS的概率统计学含义是“从每个总体中任取一个个体组成新样本以后，把该样本中的每个个体都正确分到其实际所在组的概率。”本实施例采用非参数和半参数两种方法估计VUS，它们的准确度和精确性已在既往研究中得到验证。
采用EKM方法对数据集聚类，新样本与训练集的相似度为mad，新样本与训练集被正确分类样本的相似度mac，即包含四种不用的聚类样本数据集，分别为s1 mad、s1 mac、s2mad、s2 mac，并通过四种初级学习器（LR、C4.5、SVM、KNN）后校正预测概率并计算准确性、灵敏度、特异度和AUC，如图4~7所示。
（1）准确性：如图4所示，表现呈现随着IR的增大而增加的趋势。整体而言，s1 mad和s1 mac的表现都优于s2 mad和s2 mac的表现。
（2）灵敏度：如图5所示，表现趋势相似。在IR较小时（2、4），s1 mad和s1 mac表现好于s2 mad和s2 mac，但在IR较大时（16、32），结果相反，s2 mad和s2 mac表现好于s1 mad和s1 mac。
（3）AUC：如图6所示，与在准确性和特异度上的表现相似，在四种学习器上，四种方法的表现都呈现随着IR的增大而增加的趋势。整体而言，s1 mad和s1 mac的表现都优于s2mad和s2 mac的表现。
（4）特异度：如图7所示，表现呈现随着IR的增大而增加的趋势，与在准确性上的表现相似。整体而言，除了在IR=2时，在四种分类器上，s1 mad和s1 mac的表现都优于s2 mad和s2 mac的表现。
以上所述仅是本发明优选的实施方式，但本发明的保护范围并不局限于此，任何基于本发明所提供的技术方案和发明构思进行的改造和替换都应涵盖在本发明的保护范围内。

Claims (1)

1.一种基于虚拟人仿真的常见重大疾病早期预测方法，其特征在于：包括通过结构学习和参数学习构建出基于动态贝叶斯网络的虚拟人预测模型，并通过虚拟人预测模型对常见重大疾病进行早期预测；
其中，所述结构学习是用于从潜在因素中筛选出与风险预测相关的因素，并确定动态贝叶斯网络的拓扑结构构建虚拟人预测模型；
所述结构学习是先利用模糊理论将知识转换为归一化模糊隶属度，通过隶属度确定两个变量之间的因果关系，并将两个变量之间的关系作为搜索贝叶斯网络结构空间的强限制条件或者弱限制条件构建出多个初始虚拟人预测模型；然后利用分区MCMC方法从多个初始虚拟人预测模型中探索出最优的虚拟人预测模型；
所述知识包括不限于病例数据、医学文献、专家意见；
通过隶属度确定两个变量之间的因果关系：当隶属度为0，两个变量之间不存在因果关系，当隶属度为1，两个变量之间存在因果关系，当隶属度在0与1之间，两个变量之间的因果关系不能确定；所述强限制条件是指隶属度为0和隶属度为1时两个变量的因果关系，所述弱限制条件是指隶属度在0与1之间两个变量的因果关系；
所述分区MCMC方法包括：根据分区要求和分区规则将贝叶斯网络的初始拓扑结构中所有变量分成m个区并对其依次编号，设第i区(i=1,2,…,m)的变量个数为ki，变量个数，各个分区中的变量个数，每个分区中的具体变量为πλ，标记分区Λ=(λ,πλ)，标记分区Λ下的贝叶斯网络结构为；在给定数据D的情况下，标记分区Λ的后验分布正比于对贝叶斯网络结构中每个节点Xi及其父节点Pai的评分进行合并后得到的总评分，总评分为标记分区空间与贝叶斯网络结构空间的等价性，根据总评分最大的标记分区确定贝叶斯网络结构空间中最优的网络结构；
每次迭代中，当前标记分区为Λ，提议标记分区为Λ*，接受概率为，其中，为标记分区的邻域，该邻域由标记分区将一个分区拆分成两个分区或者将两个相邻分区合并成为一个分区；
所述分区要求包括同一个区内的变量之间没有箭头连接、第1区的变量没有父节点、除第1区外其他每个区的各个变量必须至少有一个来自前一个区的父节点；所述分区规则由强限制条件决定，对于强限制条件中没有明确规定的变量采用随机模拟的方式分区；
所述参数学习用于确定最优的虚拟人预测模型中每个变量在给定其父节点集的条件下的概率分布利用已有的数据集估计出最优的虚拟人预测模型中各个节点之间的条件概率关系，为每个节点分配概率参数；所述参数学习以常见重大疾病分期作为风险评估的分类结局指标并先通过EKM方法聚类后再利用扩增型两阶段stacking算法进行预测结果；最后通过网格搜索法和5折交叉验证来确定虚拟人预测模型的最优参数，从而构建出最终的虚拟人预测模型；
所述扩增型两阶段stacking算法是将N个不同的初级学习器对同一数据集的输出类后验概率分别作为元层分类器的N个固定维度的输入向量，且在stacking算法的基础上增加一个初级层；
根据数据集的类型不同选择不同的初级学习器，针对图像型数据的初级学习器包括卷积神经网络CNN、全卷积网络FCN和深度玻尔兹曼机DBM；针对文本型数据的初级学习器包括循环神经网络RNN、长短期记忆网络LSTM和门控循环单元GRU；针对数值型数据的初级学习器包括logistic回归、支持向量机SVM和朴素贝叶斯。
CN202410749228.4A 2024-06-12 2024-06-12 基于虚拟人仿真的常见重大疾病早期预测方法 Active CN118335319B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410749228.4A CN118335319B (zh) 2024-06-12 2024-06-12 基于虚拟人仿真的常见重大疾病早期预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410749228.4A CN118335319B (zh) 2024-06-12 2024-06-12 基于虚拟人仿真的常见重大疾病早期预测方法

Publications (2)

Publication Number Publication Date
CN118335319A CN118335319A (zh) 2024-07-12
CN118335319B true CN118335319B (zh) 2024-08-16

Family

ID=91780428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410749228.4A Active CN118335319B (zh) 2024-06-12 2024-06-12 基于虚拟人仿真的常见重大疾病早期预测方法

Country Status (1)

Country Link
CN (1) CN118335319B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119230134B (zh) * 2024-12-02 2025-02-18 湖南省人民医院(湖南师范大学附属第一医院) 用于急性呼吸道感染预测的模型训练方法、系统及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111863237A (zh) * 2020-05-29 2020-10-30 东莞理工学院 一种基于深度学习的移动端疾病智能辅助诊断系统
WO2023059663A1 (en) * 2021-10-04 2023-04-13 The Broad Institute, Inc. Systems and methods for assessment of body fat composition and type via image processing

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3103096A4 (en) * 2014-02-04 2018-01-03 Optimata Ltd. Method and system for prediction of medical treatment effect
CN107767954A (zh) * 2017-10-16 2018-03-06 中国科学院地理科学与资源研究所 一种基于空间贝叶斯网络的环境健康风险监测预警系统及方法
US20200381083A1 (en) * 2019-05-31 2020-12-03 410 Ai, Llc Estimating predisposition for disease based on classification of artificial image objects created from omics data
CN111627553A (zh) * 2020-05-26 2020-09-04 四川大学华西医院 首发精神分裂症个体化预测模型的构建方法
US20230248998A1 (en) * 2023-04-12 2023-08-10 Buvaneswari Natarajan System and method for predicting diseases in its early phase using artificial intelligence
CN117153423A (zh) * 2023-09-21 2023-12-01 南京工业大学 基于贝叶斯推理的新发传染病暴发时间预测方法
CN117457217B (zh) * 2023-12-22 2024-05-24 天津医科大学朱宪彝纪念医院(天津医科大学代谢病医院、天津代谢病防治中心) 一种糖尿病肾病风险评估方法及系统
CN118155787A (zh) * 2024-01-26 2024-06-07 云上贵州大数据产业发展有限公司 一种基于互联网大数据的医疗数据处理方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111863237A (zh) * 2020-05-29 2020-10-30 东莞理工学院 一种基于深度学习的移动端疾病智能辅助诊断系统
WO2023059663A1 (en) * 2021-10-04 2023-04-13 The Broad Institute, Inc. Systems and methods for assessment of body fat composition and type via image processing

Also Published As

Publication number Publication date
CN118335319A (zh) 2024-07-12

Similar Documents

Publication Publication Date Title
Hossain et al. Network analytics and machine learning for predictive risk modelling of cardiovascular disease in patients with type 2 diabetes
Pandey et al. A comparative study of ensemble methods for students' performance modeling
Kulluk et al. Fuzzy DIFACONN-miner: A novel approach for fuzzy rule extraction from neural networks
Daanouni et al. Type 2 diabetes mellitus prediction model based on machine learning approach
Bobek et al. Enhancing cluster analysis with explainable AI and multidimensional cluster prototypes
CN118335319B (zh) 基于虚拟人仿真的常见重大疾病早期预测方法
Arti et al. Research trend of causal machine learning method: A literature review
Sudharson et al. Enhancing the efficiency of lung disease prediction using CatBoost and expectation maximization algorithms
CN113936804A (zh) 一种肺癌切除术后持续漏气风险预测模型构建系统
Ghosh et al. a Neuro-fuzzy based Classification Method
Belete et al. Wrapper based feature selection techniques on EDHS-HIV/AIDS dataset
Zahruddin et al. Case study: Using data mining to predict student performance based on demographic attributes
CN117198508A (zh) 一种基于S-NStackingV平衡优化集成框架的疾病辅助预测系统
Devarapalli et al. Identification of AIDS disease severity based on computational intelligence techniques using clonal selection algorithm
Funkner et al. Surrogate-assisted performance prediction for data-driven knowledge discovery algorithms: Application to evolutionary modeling of clinical pathways
Khater et al. Interpretable models for ml-based classification of obesity
Troisi et al. Data analysis in metabolomics: from information to knowledge
Shaheen et al. Autonomic workload performance modeling for large-scale databases and data warehouses through deep belief network with data augmentation using conditional generative adversarial networks
Gu et al. A kriging-assisted multi-stage evolutionary algorithm for expensive many-objective optimization problems
Babichev et al. Applying Biclustering Technique and Gene Ontology Analysis for Gene Expression Data Processing.
Jabbari et al. Obtaining accurate probabilistic causal inference by post-processing calibration
Salgado et al. Ensemble fuzzy classifiers design using weighted aggregation criteria
Vinodha et al. Analyzing the performance improvement of hierarchical binary classifiers using ACO through Monte Carlo simulation and multiclass engine vibration data
Hao et al. Evolutionary neural network-based method for constructing surrogate model with small scattered dataset and monotonicity experience
Chatterjee et al. A bi-fold approach to detect and classify COVID-19 X-ray images and symptom auditor

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant