關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法及裝置的制造方法
【專利摘要】本發(fā)明提供一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法，包括：步驟S1、獲取若干中風(fēng)病人的血流變數(shù)據(jù)，并提取血流變數(shù)據(jù)中的血流因素；步驟S2、標(biāo)準(zhǔn)化處理血流因素；步驟S3、利用關(guān)聯(lián)規(guī)則算法對經(jīng)標(biāo)準(zhǔn)化處理后的血流因素進(jìn)行處理，以獲取血流變數(shù)據(jù)與中風(fēng)疾病的關(guān)聯(lián)規(guī)則。本發(fā)明提供的方法應(yīng)用于中風(fēng)患者的血流變數(shù)據(jù)中，對中風(fēng)患者血流變的臨床特征進(jìn)行科學(xué)分類以及提取隱藏的更有價值的醫(yī)療信息，并在以往的常規(guī)評價模式“支持度?置信度”基礎(chǔ)上采用有效度和興趣度有效的評價標(biāo)準(zhǔn)對所得到的關(guān)聯(lián)規(guī)則進(jìn)行評價，使中風(fēng)預(yù)防更加具有針對性，從而提高臨床疾病的預(yù)防和早期治療的效果。
【專利說明】
關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及分布式計算與數(shù)據(jù)挖掘領(lǐng)域，尤其涉及關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng) 關(guān)系中的應(yīng)用方法及裝置。
【背景技術(shù)】
[0002] 中風(fēng)又稱腦卒中，是急性腦循環(huán)損害迅速導(dǎo)致局限性或彌漫性腦功能缺損的臨床 事件。根據(jù)病因、病理可以將中風(fēng)分為缺血性中風(fēng)與出血性中風(fēng)兩大類。前者主要包括局限 性腦梗死(腦血栓、腦栓塞），后者主要包括腦出血和蛛網(wǎng)膜下腔出血。腦卒中是多種腦血管 疾病的嚴(yán)重表現(xiàn)形式，是中老年人的一種常見病，是一種高發(fā)病率、高致殘率的疾病，給社 會及家庭帶來沉重的經(jīng)濟負(fù)擔(dān)和精神負(fù)擔(dān)。因此，中風(fēng)的預(yù)防具有重要的社會意義。資料表 明，血流變指標(biāo)的變化是腦血管疾病的主要發(fā)病因素之一，血流變的改變最終引發(fā)組織功 能、結(jié)構(gòu)的變化，從而導(dǎo)致微循環(huán)障礙。例如，微循環(huán)障礙同時伴有全血和血漿粘度的增高 常見于腦中風(fēng)等疾病，血液粘度的測定在缺血性和出血性腦中風(fēng)的鑒別診斷、療效觀察等 過程有重要意義。因此進(jìn)一步研究血流變與中風(fēng)疾病的關(guān)系對臨床治療、預(yù)防各種腦血管 病具有非常重要的臨床意義。
[0003] 隨著計算機技術(shù)的發(fā)展，醫(yī)院數(shù)據(jù)庫信息容量快速積累，如何挖掘這些醫(yī)學(xué)寶貴 信息中隱含的更有意義的資源，對于疾病的診斷、治療和醫(yī)學(xué)研究都是非常有價值的。因 此，提供一種利用計算機快速、準(zhǔn)確的分析中風(fēng)疾病與血流變數(shù)據(jù)的關(guān)系的方法，成為目前 亟待解決的問題。

【發(fā)明內(nèi)容】

[0004] 鑒于上述問題，本申請記載了一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方 法，所述方法包括：
[0005] 步驟Sl、獲取若干中風(fēng)病人的血流變數(shù)據(jù)，并提取所述血流變數(shù)據(jù)中的血流因素；
[0006] 步驟S2、標(biāo)準(zhǔn)化處理所述血流因素；
[0007] 步驟S3、利用所述關(guān)聯(lián)規(guī)則算法對經(jīng)標(biāo)準(zhǔn)化處理后的所述血流因素進(jìn)行處理，以 獲取所述血流變數(shù)據(jù)與中風(fēng)疾病的關(guān)聯(lián)規(guī)則。
[0008] 較佳的，所述血流因素包括血粘度信息和/或紅細(xì)胞壓積信息和/或血漿濃度信息 和/或血沉信息和/或體外血栓長度信息。
[0009] 較佳的，所述步驟S3包括：
[0010]步驟S31、結(jié)合因子分析法和逐步聚類分析法分析經(jīng)標(biāo)準(zhǔn)化處理的所述血流因素 并獲取分析結(jié)果；
[0011] 步驟S32、根據(jù)所述關(guān)聯(lián)規(guī)則算法以及所述分析結(jié)果挖掘所述血流變數(shù)據(jù)與中風(fēng) 疾病相關(guān)的關(guān)聯(lián)規(guī)則。
[0012] 較佳的，所述關(guān)聯(lián)規(guī)則算法為Apriori算法。
[0013]較佳的，步驟S32包括：
[0014] 步驟S321、找出所述分析結(jié)果中所有滿足最小支持度的所有頻繁項集；
[0015] 步驟S322、根據(jù)所述頻繁項集計算出滿足最小置信度的所有的關(guān)聯(lián)規(guī)則；
[0016] 步驟S323、對所有計算出的關(guān)聯(lián)規(guī)則進(jìn)行評價，以獲取最優(yōu)的關(guān)聯(lián)規(guī)則。
[0017] 較佳的，對所述關(guān)聯(lián)規(guī)則的評價方法包括基于有效度評價和基于興趣度評價。
[0018] 本發(fā)明還提供了一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用裝置，所述裝置 包括：
[0019] 獲取模塊，用以獲取若干中風(fēng)病人的血流變數(shù)據(jù)，并提取所述血流變數(shù)據(jù)中的血 流因素；
[0020] 標(biāo)準(zhǔn)化模塊，與獲取模塊相連，用以標(biāo)準(zhǔn)化處理所述血流因素；
[0021] 關(guān)聯(lián)模塊，與標(biāo)準(zhǔn)化模塊相連，用以利用所述關(guān)聯(lián)規(guī)則算法對經(jīng)標(biāo)準(zhǔn)化處理后的 所述血流因素進(jìn)行處理，以獲取所述血流變數(shù)據(jù)與中風(fēng)疾病的關(guān)聯(lián)規(guī)則。
[0022]較佳的，所述關(guān)聯(lián)模塊包括：
[0023] 分析單元，與所述標(biāo)準(zhǔn)化模塊相連，用以結(jié)合因子分析法和逐步聚類分析法分析 經(jīng)標(biāo)準(zhǔn)化處理的所述血流因素并獲取分析結(jié)果；
[0024] 挖掘單元，與所述分析單元相連，用以根據(jù)所述關(guān)聯(lián)規(guī)則算法以及所述分析結(jié)果 挖掘所述血流變數(shù)據(jù)與中風(fēng)疾病相關(guān)的所述關(guān)聯(lián)規(guī)則。
[0025]較佳的，所述挖掘單元包括：
[0026] 頻繁項集獲取子單元，與所述分析單元相連，用以找出所述分析結(jié)果中所有滿足 最小支持度的所有頻繁項集；
[0027] 關(guān)聯(lián)規(guī)則獲取子單元，與所述頻繁項集獲取子單元相連，用以根據(jù)所述頻繁項集 計算出滿足最小置信度的所有的關(guān)聯(lián)規(guī)則。
[0028]較佳的，所述挖掘單元還包括：
[0029] 評價子單元，與所述關(guān)聯(lián)規(guī)則獲取子單元相連，用以對所有計算出的關(guān)聯(lián)規(guī)則進(jìn) 行評價，以獲取最優(yōu)的關(guān)聯(lián)規(guī)則。
[0030] 上述技術(shù)方案具有如下優(yōu)點或有益效果:本發(fā)明提供的方法應(yīng)用于中風(fēng)患者的血 流變數(shù)據(jù)中，對中風(fēng)患者血流變的臨床特征進(jìn)行科學(xué)分類以及提取隱藏的更有價值的醫(yī)療 信息，并在以往的常規(guī)評價模式"支持度-置信度"基礎(chǔ)上采用有效度和興趣度有效的評價 標(biāo)準(zhǔn)對所得到的關(guān)聯(lián)規(guī)則進(jìn)行評價，使中風(fēng)預(yù)防更加具有針對性，從而提高臨床疾病的預(yù) 防和早期治療的效果。
【附圖說明】
[0031] 參考所附附圖，以更加充分的描述本發(fā)明的實施例。然而，所附附圖僅用于說明和 闡述，并不構(gòu)成對本發(fā)明范圍的限制。
[0032] 圖1為本發(fā)明一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法的流程示意圖 ，
[0033] 圖2為本發(fā)明一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法的流程示意圖 -* *
[0034] 圖3為本發(fā)明一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法的流程示意圖 -* · -·，
[0035] 圖4為本發(fā)明一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用裝置的結(jié)構(gòu)示意圖 ，
[0036] 圖5為本發(fā)明一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用裝置的結(jié)構(gòu)示意圖 --〇
[0037] 圖6為本發(fā)明一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用裝置的結(jié)構(gòu)示意圖 _-〇
【具體實施方式】
[0038] 下面結(jié)合附圖和具體實施例對本發(fā)明關(guān)聯(lián)規(guī)則在血液變與中風(fēng)疾病關(guān)系中的應(yīng) 用方法及裝置進(jìn)行詳細(xì)說明。
[0039] 實施例一
[0040] 如圖1所示，一種關(guān)聯(lián)規(guī)則在血液變與中風(fēng)疾病關(guān)系中的應(yīng)用方法，該方法包括步 驟：
[0041] S1、采集多個中風(fēng)病人的血流變數(shù)據(jù)，提取血流變中的血流因素；
[0042] S2、將血粘度信息、紅細(xì)胞壓積信息、血漿濃度信息、血沉信息以及體外血栓長度 信息等血流因素進(jìn)行標(biāo)準(zhǔn)化處理；
[0043] S3、利用關(guān)聯(lián)規(guī)則對經(jīng)標(biāo)準(zhǔn)化處理的血流變數(shù)據(jù)進(jìn)行處理，以獲取血流變數(shù)據(jù)與 中風(fēng)疾病的關(guān)系。
[0044]具體來說，在本實施例提出的關(guān)聯(lián)規(guī)則在血液變與中風(fēng)疾病關(guān)系中的應(yīng)用方法 中，首先需要采集若干個中風(fēng)病人的血流變數(shù)據(jù)，在實際應(yīng)用中，采集到的血流變數(shù)據(jù)越 多，后續(xù)進(jìn)行分析的準(zhǔn)確性也會越高。之后，提取血流變數(shù)據(jù)中的一個或多個血流因素，并 將這些血流因素進(jìn)行標(biāo)準(zhǔn)化處理。值得指出的是，血流因素包括血粘度信息和/或紅細(xì)胞壓 積信息和/或血漿濃度信息和/或血沉信息和/或體外血栓長度信息。
[0045]在實際應(yīng)用中，收集了安徽省淮北礦工總醫(yī)院2003年至2009年期間，首次發(fā)作且 按臨床標(biāo)準(zhǔn)和CT掃描結(jié)果診斷為中風(fēng)住院病人的552個血流變數(shù)據(jù)，如表1:
[0046]表1原始數(shù)據(jù)
[0048] 進(jìn)一步來講，如圖2所示，在步驟S3中，具體包括步驟：
[0049] S31:結(jié)合因子分析法和逐步聚類分析法分析經(jīng)標(biāo)準(zhǔn)化處理后的血流因素并獲取 分析結(jié)果；
[0050] S32:根據(jù)關(guān)聯(lián)規(guī)則算法以及分析結(jié)果挖掘血流變與中風(fēng)疾病相關(guān)的規(guī)則。
[0051] 具體來說，在本實施例提出的方法中，在對血流因素進(jìn)行標(biāo)準(zhǔn)化處理后，要結(jié)合因 子分析法和逐步聚類分析法，將該血流因素進(jìn)行分析處理并獲取分析結(jié)果。之后，利用關(guān)聯(lián) 規(guī)則算法，根據(jù)分析結(jié)果挖掘血流變與中風(fēng)疾病相關(guān)的關(guān)聯(lián)規(guī)則。
[0052 ]進(jìn)一步來講，關(guān)聯(lián)規(guī)則算法為Apr i or i算法。
[0053]下面對因子分析法、逐步聚類法以及Apriori算法進(jìn)行詳細(xì)說明：
[0054] 1)因子分析法
[0055]因子分析主要用于從中風(fēng)疾病與血流變錯綜復(fù)雜的關(guān)系問題中找出少數(shù)幾個主 要因子，每個因子代表原始變量間相互依賴的一種作用。這些彼此不相關(guān)的因子代替原來 較多高度相關(guān)的原始隨機變量，同時這些主要因子盡可能多的反映中風(fēng)患者血流變數(shù)據(jù)原 始變量的信息。
[0056] 2)逐步聚類法
[0057]逐步聚類法，它是以樣本組內(nèi)的離差平方和達(dá)到最小為標(biāo)準(zhǔn)，通過反復(fù)調(diào)整每個 樣本組中的個體數(shù)，從而達(dá)到樣本組內(nèi)具有最大同質(zhì)性，而樣本組間具有最大異質(zhì)性這一 優(yōu)化目標(biāo)。此法，是先將樣本進(jìn)行一次粗略的分類，即初始分類，然后根據(jù)最優(yōu)原則進(jìn)行反 復(fù)不斷的修改，直到分類合理為止。
[0058] 3 )Apriori 算法
[0059] Apriori算法利用頻繁項集性質(zhì)的先驗知識，使用一種稱作逐層搜索的迭代方法， 該算法將關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)分為兩步:第一步是識別所有的頻繁項目集，即不低于最低支持 度(min_ SUp)的項目集;第二步是從頻繁項目集中產(chǎn)生關(guān)聯(lián)規(guī)則，在頻繁項目集中找出滿足 用戶最低可信度(min_conf)的規(guī)則。
[0060]其中，支持度:表示頻繁項目集中A和B同時發(fā)生的概率，是對關(guān)聯(lián)規(guī)則重要性的衡 量。
[0061 ] sup port(AU Β) Π Ρ(Α] Β)
[0062] 信任度:表示頻繁項目集中包含A的同時也包含B的概率，可信度是對關(guān)聯(lián)規(guī)則準(zhǔn) 確度的衡量。
[0063] canftdeme(A[] B)QF(B/4)
[0064] 進(jìn)一步來講，如圖3所示，步驟S32中，根據(jù)關(guān)聯(lián)規(guī)則算法以及分析結(jié)果挖掘血流變 與中風(fēng)疾病關(guān)系的關(guān)聯(lián)規(guī)則中，包括步驟：
[0065] S321:找出分析結(jié)果中所有滿足最小支持度的所有頻繁項集；
[0066] S322:根據(jù)頻繁項集計算出滿足最小置信度的關(guān)聯(lián)規(guī)則；
[0067] S323:對關(guān)聯(lián)規(guī)則進(jìn)行評價，以獲取最優(yōu)的關(guān)聯(lián)規(guī)則。
[0068] 進(jìn)一步來講，在運用關(guān)聯(lián)規(guī)則算法挖掘關(guān)聯(lián)規(guī)則前，需要將原始數(shù)據(jù)中的各變量 的取值轉(zhuǎn)化為一系列的整數(shù)或代碼，映射為事務(wù)的項。按照年齡對數(shù)據(jù)進(jìn)行劃分，將血流變 數(shù)據(jù)轉(zhuǎn)化為布爾型數(shù)據(jù)，把所有屬性映射為成項的索引表，如表2所示：
[0069]表2血流變數(shù)據(jù)與賦值
[0072]利用數(shù)據(jù)轉(zhuǎn)換算法將表1中的數(shù)據(jù)逐條掃描數(shù)據(jù)庫記錄，通過查詢項目映射表獲 取相應(yīng)的項編號，并將其填充到事務(wù)表中的相應(yīng)位置，完成了關(guān)系數(shù)據(jù)庫到事務(wù)表的轉(zhuǎn)換， 事務(wù)數(shù)據(jù)如表3:
[0073]表3中風(fēng)事務(wù)數(shù)據(jù)庫
[0075] 具體來講，在利用關(guān)聯(lián)規(guī)則算法挖掘關(guān)聯(lián)規(guī)則的過程中，首先要找出分析結(jié)果中 所有滿足最小支持度的所有頻繁項集，然后根據(jù)該頻繁項集計算出滿足最小置信度的關(guān)聯(lián) 規(guī)則。但是，并不是所有計算出的關(guān)聯(lián)規(guī)則都是有意義的，此時就需要對計算出的關(guān)聯(lián)規(guī)則 進(jìn)行評價，以保留其中一條或幾條有用的關(guān)聯(lián)規(guī)則，即獲取最終結(jié)果。
[0076] 進(jìn)一步來講，在對有效關(guān)聯(lián)規(guī)則評價的評價方法有兩種:基于有效度評價和基于 興趣度評價。
[0077] 本實施例提供的方法主要應(yīng)用于中風(fēng)患者的血流變數(shù)據(jù)中，對中風(fēng)患者血流變的 臨床特征進(jìn)行科學(xué)分類以及提取隱藏的更有價值的醫(yī)療信息，并在以往的常規(guī)評價模式 "支持度-置信度"基礎(chǔ)上采用有效度和興趣度有效的評價標(biāo)準(zhǔn)對所得到的關(guān)聯(lián)規(guī)則進(jìn)行評 價，使中風(fēng)預(yù)防更加具有針對性從而提高臨床疾病的預(yù)防和早期治療的效果。實施例二
[0078] 根據(jù)上述實施例提出的一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法，本 實施例提出了一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用裝置。
[0079] 如圖4所示，一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用裝置，包括：
[0080] 獲取模塊1，用以獲取若干中風(fēng)病人的血流變數(shù)據(jù)，并提取血流變數(shù)據(jù)中的血流因 素；
[0081 ]標(biāo)準(zhǔn)化模塊2，與獲取模塊1相連，用以標(biāo)準(zhǔn)化處理血流因素；
[0082]關(guān)聯(lián)模塊3,與標(biāo)準(zhǔn)化模塊2相連，用以利用關(guān)聯(lián)規(guī)則算法對經(jīng)標(biāo)準(zhǔn)化處理后的血 流因素進(jìn)行處理，以獲取血流變數(shù)據(jù)與中風(fēng)疾病的關(guān)聯(lián)規(guī)則。
[0083] 具體來說，本實施例提出的裝置中，首先利用獲取模塊1獲取若干中風(fēng)病人的血流 變數(shù)據(jù)，并提取血流變數(shù)據(jù)中的血流因素，然后由標(biāo)準(zhǔn)化模塊2將血流因素標(biāo)準(zhǔn)化處理，最 后由關(guān)聯(lián)模塊3利用關(guān)聯(lián)規(guī)則算法對經(jīng)標(biāo)準(zhǔn)化處理后的血流因素進(jìn)行處理，以獲取血流變 數(shù)據(jù)與中風(fēng)疾病的關(guān)系。其中，血流因素包括血粘度信息和/或紅細(xì)胞壓積信息和/或血漿 濃度信息和/或血沉信息和/或體外血栓長度信息等。
[0084] 進(jìn)一步來講，如圖5所示，關(guān)聯(lián)模塊3包括：
[0085] 分析單元31，與標(biāo)準(zhǔn)化模塊2相連，用以結(jié)合因子分析法和逐步聚類分析法分析經(jīng) 標(biāo)準(zhǔn)化處理的血流因素并獲取分析結(jié)果；
[0086] 挖掘單元32,與分析單元31相連，用以根據(jù)關(guān)聯(lián)規(guī)則算法以及分析結(jié)果挖掘血流 變數(shù)據(jù)與中風(fēng)疾病相關(guān)的關(guān)聯(lián)規(guī)則。
[0087] 值得指出的是，并不是直接利用挖掘單元32挖掘關(guān)聯(lián)規(guī)則，而是需要先利用分析 單元31結(jié)合因子分析法和逐步聚類分析法分析經(jīng)標(biāo)準(zhǔn)化處理的血流因素，獲取分析結(jié)果之 后，由挖掘單元32利用關(guān)聯(lián)規(guī)則算法挖掘血流變與中風(fēng)疾病相關(guān)的關(guān)聯(lián)規(guī)則。
[0088I 進(jìn)一步來講，如圖6所示，挖掘單元32包括：
[0089] 頻繁項集獲取子單元321，與分析單元31相連，用以找出分析結(jié)果中所有滿足最小 支持度的所有頻繁項集；
[0090] 關(guān)聯(lián)規(guī)則獲取子單元322,與頻繁項集獲取子單元321相連，用以根據(jù)頻繁項集計 算出滿足最小置信度的所有的關(guān)聯(lián)規(guī)則；
[0091 ]評價子單元323，與關(guān)聯(lián)規(guī)則獲取子單元322相連，用以對所有計算出的關(guān)聯(lián)規(guī)則 進(jìn)行評價，以獲取最優(yōu)的關(guān)聯(lián)規(guī)則。
[0092]值得指出的是，在挖掘單元32挖掘有用的關(guān)聯(lián)規(guī)則時，首先要利用頻繁項集獲取 子單元321分析結(jié)果中所有滿足最小支持度的所有頻繁項集，再由關(guān)聯(lián)規(guī)則獲取子單元322 根據(jù)頻繁項集計算出滿足最小置信度的所有的關(guān)聯(lián)規(guī)則。但是，獲取的關(guān)聯(lián)規(guī)則并不是全 部有用的，此時需要評價子單元323對獲取的所有關(guān)聯(lián)規(guī)則進(jìn)行評價，以獲取最優(yōu)的關(guān)聯(lián)規(guī) 則。
[0093]進(jìn)一步來講，對關(guān)聯(lián)規(guī)則的評價方法包括基于有效度評價和基于興趣度評價兩種 方式。
[0094]對于本領(lǐng)域的技術(shù)人員而言，閱讀上述說明后，各種變化和修正無疑將顯而易見。 因此，所附的權(quán)利要求書應(yīng)看作是涵蓋本發(fā)明的真實意圖和范圍的全部變化和修正。在權(quán) 利要求書范圍內(nèi)任何和所有等價的范圍與內(nèi)容，都應(yīng)認(rèn)為仍屬本發(fā)明的意圖和范圍內(nèi)。
【主權(quán)項】
1. 一種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法，其特征在于，所述方法包括： 步驟S1、獲取若干中風(fēng)病人的血流變數(shù)據(jù)，并提取所述血流變數(shù)據(jù)中的血流因素； 步驟S2、標(biāo)準(zhǔn)化處理所述血流因素； 步驟S3、利用所述關(guān)聯(lián)規(guī)則算法對經(jīng)標(biāo)準(zhǔn)化處理后的所述血流因素進(jìn)行處理，以獲取 所述血流變數(shù)據(jù)與中風(fēng)疾病的關(guān)聯(lián)規(guī)則。2. 根據(jù)權(quán)利要求1所述的關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法，其特征在 于，所述血流因素包括血粘度信息和/或紅細(xì)胞壓積信息和/或血漿濃度信息和/或血沉信 息和/或體外血栓長度信息。3. 根據(jù)權(quán)利要求2所述的關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法，其特征在 于，所述步驟S3包括： 步驟S31、結(jié)合因子分析法和逐步聚類分析法分析經(jīng)標(biāo)準(zhǔn)化處理的所述血流因素并獲 取分析結(jié)果； 步驟S32、根據(jù)所述關(guān)聯(lián)規(guī)則算法以及所述分析結(jié)果挖掘所述血流變數(shù)據(jù)與中風(fēng)疾病 相關(guān)的關(guān)聯(lián)規(guī)則。4. 根據(jù)權(quán)利要求3所述的關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法，其特征在 于，所述關(guān)聯(lián)規(guī)則算法為Apriori算法。5. 根據(jù)權(quán)利要求3所述的關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法，其特征在 于，步驟S32包括： 步驟S321、找出所述分析結(jié)果中所有滿足最小支持度的所有頻繁項集； 步驟S322、根據(jù)所述頻繁項集計算出滿足最小置信度的所有的關(guān)聯(lián)規(guī)則； 步驟S323、對所有計算出的關(guān)聯(lián)規(guī)則進(jìn)行評價，以獲取最優(yōu)的關(guān)聯(lián)規(guī)則。6. 根據(jù)權(quán)利要求5所述的關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用方法，其特征在 于，對所述關(guān)聯(lián)規(guī)則的評價方法包括基于有效度評價和基于興趣度評價。7. -種關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用裝置，其特征在于，所述裝置包括： 獲取模塊，用以獲取若干中風(fēng)病人的血流變數(shù)據(jù)，并提取所述血流變數(shù)據(jù)中的血流因 素； 標(biāo)準(zhǔn)化模塊，與獲取模塊相連，用以標(biāo)準(zhǔn)化處理所述血流因素； 關(guān)聯(lián)模塊，與標(biāo)準(zhǔn)化模塊相連，用以利用所述關(guān)聯(lián)規(guī)則算法對經(jīng)標(biāo)準(zhǔn)化處理后的所述 血流因素進(jìn)行處理，以獲取所述血流變數(shù)據(jù)與中風(fēng)疾病的關(guān)聯(lián)規(guī)則。8. 根據(jù)權(quán)利要求7所述的關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用裝置，其特征在 于，所述關(guān)聯(lián)模塊包括： 分析單元，與所述標(biāo)準(zhǔn)化模塊相連，用以結(jié)合因子分析法和逐步聚類分析法分析經(jīng)標(biāo) 準(zhǔn)化處理的所述血流因素并獲取分析結(jié)果； 挖掘單元，與所述分析單元相連，用以根據(jù)所述關(guān)聯(lián)規(guī)則算法以及所述分析結(jié)果挖掘 所述血流變數(shù)據(jù)與中風(fēng)疾病相關(guān)的所述關(guān)聯(lián)規(guī)則。9. 根據(jù)權(quán)利要求8所述的關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用裝置，其特征在 于，所述挖掘單元包括： 頻繁項集獲取子單元，與所述分析單元相連，用以找出所述分析結(jié)果中所有滿足最小 支持度的所有頻繁項集； 關(guān)聯(lián)規(guī)則獲取子單元，與所述頻繁項集獲取子單元相連，用以根據(jù)所述頻繁項集計算 出滿足最小置信度的所有的關(guān)聯(lián)規(guī)則。10.根據(jù)權(quán)利要求9所述的關(guān)聯(lián)規(guī)則算法在血液變與中風(fēng)關(guān)系中的應(yīng)用裝置，其特征在 于，所述挖掘單元還包括： 評價子單元，與所述關(guān)聯(lián)規(guī)則獲取子單元相連，用以對所有計算出的關(guān)聯(lián)規(guī)則進(jìn)行評 價，以獲取最優(yōu)的關(guān)聯(lián)規(guī)則。
【文檔編號】G06F19/00GK105938516SQ201610227357
【公開日】2016年9月14日
【申請日】2016年4月12日
【發(fā)明人】田思, 張維朋, 李永平, 王勇
【申請人】寧波大紅鷹學(xué)院