机器学习定量预测间充质干细胞疗法后软骨修复率的方法技术

本发明专利技术公开了一种机器学习定量预测间充质干细胞疗法后软骨修复率的方法，包括：S1、数据库建立；S2、对原始数据的预处理；S3、丢失数据处理；S4、模型开发；S5、通过机器学习生成用于软骨修复的MSC治疗指南。本发明专利技术可以根据患者的病情和治疗策略准确预测接受MSC软骨修复治疗的患者的治疗结果，从而为临床医生决定是否以及如何对患有软骨损伤的患者进行MSC治疗提供了重要参考。因此，本发明专利技术非常适合推广应用。

【技术实现步骤摘要】
机器学习定量预测间充质干细胞疗法后软骨修复率的方法
本专利技术涉及再生医学
，具体涉及的是一种机器学习定量预测间充质干细胞疗法后软骨修复率的方法。
技术介绍
干细胞(MSC)疗法是再生医学中最有希望的候选者，但在各种临床试验中已经报道了MSC治疗功效的不一致。一个合理的原因是缺乏关于制定个性化MSC治疗策略的定量科学指南。由于最佳治疗参数的确定取决于患者的个人情况，因而仅依靠常规的生物医学研究，很难定量地得出针对患者的最佳治疗结果的治疗策略。近年来，在各种生物医学领域，机器学习技术的使用已经取得了重大的科学进展，但是针对干细胞疗法的尝试却很少，主要原因在于，现有的机器学习模型，尤其是神经网络模型，需要大量的数据支撑，比如google的Tensorflow至少需要1000行以上的数据集才可以运行。而临床试验数据通常较小(几到几十个数据点)，如果数据集小于变量数，则无法处理。此外，因为实验设计和数据采集的问题，会包含输入信息不完整的条目(即丢失数据)，而现有的机器学习模型通常要求完整的数据集。所以，利用现有的机器学习技术预测MSC的软本文档来自技高网...

【技术保护点】
1.机器学习定量预测间充质干细胞疗法后软骨修复率的方法，其特征在于，包括以下步骤：/nS1、数据库建立：收集已发布的有关MSC软骨修复疗法的临床试验报告，获得原始数据，并将其分类为数据的输入和输出；/nS2、对原始数据的预处理：将使用不同评分系统的输出分数归一化为[0,1]，其中，0代表最严重的损伤或疼痛，1代表完全健康的组织；同时，根据已有的生物学解释，将一些初始值分配给数据库中的缺失数据，作为初步预测的缺失值；/nS3、丢失数据处理：将确实值设置为数据集中存在的值的平均值，然后递归应用以下方程式直至收敛，并最终返回收敛的结果：/nx

【技术特征摘要】
1.机器学习定量预测间充质干细胞疗法后软骨修复率的方法，其特征在于，包括以下步骤：
S1、数据库建立：收集已发布的有关MSC软骨修复疗法的临床试验报告，获得原始数据，并将其分类为数据的输入和输出；
S2、对原始数据的预处理：将使用不同评分系统的输出分数归一化为[0,1]，其中，0代表最严重的损伤或疼痛，1代表完全健康的组织；同时，根据已有的生物学解释，将一些初始值分配给数据库中的缺失数据，作为初步预测的缺失值；
S3、丢失数据处理：将确实值设置为数据集中存在的值的平均值，然后递归应用以下方程式直至收敛，并最终返回收敛的结果：
x(n+1)＝γxn+(1-γ)f(xn)
其中，x代表缺失值，n表示迭代步骤；f(xn)表示从神经网络获得的关于x的预测；γ表示软化参数，且γ∈[0，1]；函数f在循环的每次迭代中保持固定；
S4、模型开发：
(1)通过一个人工神经网络框架捕获所有变量之间的功能关系；
(2)将数据库中的所有x尽可能地接近于定点方程f(x)＝x的函数f；
(3)将应用不同的激活功能约束隐藏节点；
(4)将状态变量，处理变量和处理结果都视为神经网络的输入和输出，并采用期望最大化算法来迭代地改进所有缺失值的估计；
(5)根据(1)～(4)建立神经网络模型；
S5、通过机器学习生成用于软骨修复的MSC治疗...

【专利技术属性】
技术研发人员：刘雨阳，
申请(专利权)人：成都域时信息科技有限公司，
类型：发明
国别省市：四川;51