【技术实现步骤摘要】
一种基于数据收集与模拟的脑出血手术风险预测系统
[0001]本专利技术属于风险预测系统
,具体涉及一种基于数据收集与模拟的脑出血手术风险预测系统。
技术介绍
[0002]脑出血是一种严重的疾病,手术干预通常需要考虑患者的整体情况和风险。手术风险预测系统的应用可以帮助医生更好地了解患者的手术风险,从而做出更明智的手术决策,对于高风险患者,医生可能会选择保守治疗或其他替代治疗方式,以减少手术风险,而对于低风险患者,手术可能是更有效的治疗选择,因此,脑出血手术风险预测系统有助于优化患者的治疗方案,提高手术成功率,减少并发症发生率,同时降低不必要的手术风险和医疗成本。
[0003]目前,在手术之前的脑出血手术风险预测往往是根据医师主观判断,准确性低,对于已有的脑出血手术风险预测系统,由于患者数据需要严格保密,导致样本数据集获取困难,进而导致预测系统的训练不足,泛化能力和预测能力均不足,影响手术决策导致出现严重医疗事故。
技术实现思路
[0004]为了解决现有技术存在的在手术之前的脑出血手术风险预测往往是根据医师主观判断,准确性低,对于已有的脑出血手术风险预测系统,由于患者数据需要严格保密,导致样本数据集获取困难,进而导致预测系统的训练不足,泛化能力和预测能力均不足,影响手术决策导致出现严重医疗事故的技术问题,本专利技术提供一种基于数据收集与模拟的脑出血手术风险预测系统。
[0005] 本专利技术提供了一种基于数据收集与模拟的脑出血手术风险预测系统, 基于数据收集与模拟的脑出血手术风险预测 ...
【技术保护点】
【技术特征摘要】
1.一种基于数据收集与模拟的脑出血手术风险预测系统,其特征在于,包括:获取模块:用于获取包括手术风险标签的历史数据;生成模块:用于建立生成对抗网络模型,结合结构相似性指数,对所述历史数据进行数据增强,生成目标合成数据,其中,所述生成对抗网络模型包括关联的生成器和判别器;提取模块:用于提取所述目标合成数据中的特征数据,建立特征向量,其中,所述特征数据包括年龄、性别、病变位置、病变大小和术前状态;构建模块:用于结合所述特征向量和相对应的手术风险标签,构建样本数据集,其中,所述样本数据集包括训练集和测试集;建立模块:用于利用所述训练集,建立基于随机森林算法的手术风险预测模型;优化模块:用于引入生物启发式算法对所述手术风险预测模型进行超参数优化,其中,所述超参数包括决策树个数和最小叶子点数;第一预测模块:用于将所述测试集中的样本输入至优化后的手术风险预测模型进行预测,输出预测结果,在所述预测结果的准确率大于预设准确率的情况下,结束训练,其中,所述预测结果包括高风险、中风险和低风险。2.根据权利要求1所述的基于数据收集与模拟的脑出血手术风险预测系统,其特征在于,所述生成模块还用于:将所述手术风险标签与所述对抗网络模型的输入数据和输出数据进行联合;将随机噪声作为所述输入数据输入至联合后的对抗网络模型;输出一次合成数据;结合所述历史数据,通过所述判别器计算所述一次合成数据与所述历史数据的符合概率;以所述符合概率最小化为目标,固定判别器参数,对所述生成器进行训练,其中,所述生成器的目标函数具体为:;其中,表示所述生成器的目标函数,分别表示生成器参数和所述判别器参数,E表示数学期望值,F表示所述生成器,G表示所述判别器,pz表示历史数据分布,ph表示合成数据分布;以所述符合概率最大化为目标,固定所述生成器参数对所述判别器进行训练,所述判别器的目标函数具体为:;其中,表示所述判别器的目标函数;利用训练后的对抗网络模型生成二次合成数据;计算所述历史数据与所述二次合成数据的结构相似性指数:;其中,表示所述结构相似性指数,SSIM值越接近1表示两幅图像越相
似,SSIM值接近0表示两幅图像的结构相似程度较低,x,y分别表示所述历史数据和所述二次合成数据,分别表示所述历史数据和所述二次合成数据的图像亮度均值,分别表示所述历史数据和所述二次合成数据的图像亮度标准差,表示所述历史数据和所述二次合成数据之间的亮度协方差,C1和C2均为可调常数;在所述结构相似性指数大于预设指数的情况下,将所述二次合成数据作为目标合成数据输出。3.根据权利要求1所述的基于数据收集与模拟的脑出血手术风险预测系统,其特征在于,所述提取模块还用于:S1031:对所述目标合成数据进行预处理,其中,所述预处理包括数据清洗、去除异常值和缺失值填充;S1032:判断所述目标合成数据的数据类型,其中,所述数据类型包括结构化数据、文本数据和图像数据,在所述数据类型为结构化数据的情况下,进入S1033,在所述数据类型为文本数据的情况下,进入S1034,在所述数据类型为图像数据的情况下,进入S1035;S1033:直接从表格或者数据库中提取所述结构化数据;其中,所述结构化数据包括年龄和性别;S1034:通过自然语言处理算法对所述文本数据进行语义提取,其中,所述文本数据包括术前状态;S1035:通过图像分割算法提取所述图像数据,其中,所述图像数据包括病变位置和病变大小,所述图像分割算法包括阈值分割算法、区域生长算法和卷积神经网络算法;S1036:结合提取的数据,构建五维特征向量。...
【专利技术属性】
技术研发人员:赵呈进,
申请(专利权)人:南通市康复医院南通市第二人民医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。