一种多病种模型解释结果的关联分析方法及系统

本发明涉及检验医学，更具体的说是涉及一种多病种模型解释结果的关联分析方法及系统。背景技术：1、血常规是为临床诊断提供血液的常规指标，而血液在机体中无处不在，因此其提供的疾病诊断指导价值是相对较大的，能够使医生有效判断患者的身体状况。2、在传统方法中，临床医生在阅读血常规报告时倾向于关注三系细胞的数量分布，这种方法往往基于单个或几个项目的异常进行判断，而不考虑多个项目之间的相互依赖性以及发现的异常可能与诊断原理或发病机制没有明显的内部联系。而利用大数据对血常规检验数据进行分析可以发现数据之间非线性的关系，从中提供有价值的信息，使临床医生能够做出更详细的诊断，从而导致更好的患者预后。同时还会对疾病与血常规检验数据的内在关系进行解释以及分析，帮助医生理解数据中的潜在关系。3、因此，如何提供一种多病种模型解释结果的关联分析方法及系统是本领域技术人员亟需解决的问题。技术实现思路1、有鉴于此，本发明提供了一种多病种模型解释结果的关联分析方法及系统，最大限度地发挥血常规检验数据的效能以及其与疾病之间的潜在关系。2、为了实现上述目的，本发明采用如下技术方案：3、一种多病种模型解释结果的关联分析方法，包括：4、获取多种疾病患者的血常规检验数据和体检人群的血常规检验数据，并构建相关数据集，将数据集分为训练集和测试集；5、基于神经网络机器学习分类器对训练集进行训练并构建相关模型，使用测试集评估模型性能；6、基于shap方法解释每个疾病模型，分析每种疾病与血常规检验数据的内在关系，并对血常规指标和相关疾病进行统计；7、将血常规指标和相关疾病统计后的数据重新构建为新数据集，并对新数据集进行拟合；8、计算每个数据集中疾病的中位数和体检的中位数，代入拟合函数分析同一个血常规指标下与之相关的疾病变化趋势与中位数变化趋势；9、分析同一个血常规指标相关疾病之间的关系，得到其中的关联性。10、优选的，基于k折交叉验证方法将数据集分为k份，获得测试集和训练集，k为任意大于1的常数。11、优选的，基于shap方法解释每个疾病模型，分析每种疾病与血常规检验数据的内在关系，并对血常规指标和相关疾病进行统计，具体包括：12、基于shap方法解释每个疾病模型得到每个血常规检验指标对模型预测结果的贡献度，并统计结果中前五的血常规指标，m=5；13、将同一个血常规指标i对应的所有疾病j进行统计，i=1,2,3,4,5，j=1,2,3,4....n，n为血常规指标对应的疾病数量。14、优选的，对新数据集进行拟合，具体为：15、16、其中，p为在同一个血常规指标下的患病概率，n为血常规指标对应的疾病数量，为第i个血常规指标，为第i个血常规指标对应疾病的第j个的血常规指标具体值，为。17、一种多病种模型解释结果的关联分析系统，包括：18、数据集建立模块：用于获取多种疾病患者的血常规检验数据和体检人群的血常规检验数据，并构建相关数据集，将数据集分为训练集和测试集；19、模型训练模块：用于基于神经网络机器学习分类器对训练集进行训练并构建相关模型，使用测试集评估模型性能；20、统计模块：用于基于shap方法解释每个疾病模型分析每种疾病与血常规检验数据的内在关系，并对血常规指标和相关疾病进行统计；21、拟合模块：用于将血常规指标和相关疾病统计后的数据重新构建为新数据集，并对新数据集进行拟合；22、变化趋势分析模块：用于计算每个数据集中疾病的中位数和体检的中位数，代入拟合函数分析同一个血常规指标下与之相关的疾病变化趋势与中位数变化趋势；23、关联分析模块：用于分析同一个血常规指标相关疾病之间的关系，得到其中的关联性。24、优选的，基于k折交叉验证方法将数据集分为k份，获得测试集和训练集，k为任意大于1的常数。25、优选的，统计模块具体实现过程包括：26、基于shap方法解释每个疾病模型得到每个血常规检验指标对模型预测结果的贡献度，并统计结果中前m个血常规指标，m=5；27、将同一个血常规指标i对应的所有疾病j进行统计，i=1,2,3,4,5，j=1,2,3,4....n，n为血常规指标对应的疾病数量。28、优选的，对新数据集进行拟合，具体为：29、30、其中，p为在同一个血常规指标下的患病概率，n为血常规指标对应的疾病数量，为第i个血常规指标，为第i个血常规指标对应疾病的第j个的血常规指标具体值，为。31、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种多病种模型解释结果的关联分析方法及系统，有利于解决血常规指标与疾病之间的关联分析。技术特征：1.一种多病种模型解释结果的关联分析方法，其特征在于，包括：2.根据权利要求1所述的一种多病种模型解释结果的关联分析方法，其特征在于，基于k折交叉验证方法将数据集分为k份，获得测试集和训练集，k为任意大于1的常数。3.根据权利要求1所述的一种多病种模型解释结果的关联分析方法，其特征在于，基于shap方法解释每个疾病模型，分析每种疾病与血常规检验数据的内在关系，并对血常规指标和相关疾病进行统计，具体包括：4.根据权利要求1所述的一种多病种模型解释结果的关联分析方法，其特征在于，对新数据集进行拟合，具体为：5.一种多病种模型解释结果的关联分析系统，其特征在于，包括：6.根据权利要求5所述的一种多病种模型解释结果的关联分析系统，其特征在于，基于k折交叉验证方法将数据集分为k份，获得测试集和训练集，k为任意大于1的常数。7.根据权利要求5所述的一种多病种模型解释结果的关联分析系统，其特征在于，统计模块具体实现过程包括：8.根据权利要求5所述的一种多病种模型解释结果的关联分析系统，其特征在于，对新数据集进行拟合，具体为：技术总结本发明公开了一种多病种模型解释结果的关联分析方法及系统，方法包括：获取多种疾病患者的血常规检验数据和体检人群的血常规检验数据，并构建相关数据集；基于神经网络机器学习分类器对训练集进行训练并构建相关模型，使用测试集评估模型性能；使用SHAP方法解释每个疾病模型分析每种疾病与血常规检验数据的内在关系，并对血常规指标和相关疾病进行统计；将血常规指标和相关疾病统计后的数据重新构建为新数据集，并对新数据集进行拟合；计算每个数据集中疾病的中位数和体检的中位数，代入拟合函数分析同一个血常规指标下与之相关的疾病变化趋势与中位数变化趋势；分析同一个血常规指标相关疾病之间的关系，找出其中的关联性。技术研发人员：陈超,宋彪,张瑞环受保护的技术使用者：内蒙古卫数数据科技有限公司技术研发日：技术公布日：2024/8/15