人工智能肝移植早期肝功能失功的预测方法技术

本发明专利技术公开了人工智能肝移植早期肝功能失功的预测方法，解决了现有系统相关性分析模块对肝功能失功发生初期很难检测，使得对患者肝功能失功预测不准确的问题，方法包括：获取肝移植临床数据，基于主成分分析以及随机森林算法构建影响因子统计模型，得到预训练的影响因子统计模型；基于预训练的影响因子统计模型对肝移植临床数据进行特征提取，得到肝功能失常表征特征，对多源融合处理集进行分析并检验；本发明专利技术实施例通过主成分分析以及随机森林算法构建影响因子统计模型，通过影响因子统计模型对肝移植临床数据进行分析并检验，实现了对肝移植患者肝功能失功早期的预测和分析，有效降低了失功预算成本。效降低了失功预算成本。效降低了失功预算成本。

【技术实现步骤摘要】
人工智能肝移植早期肝功能失功的预测方法


[0001]本专利技术具体涉及人工智能肝移植早期肝功能失功的预测方法。

技术介绍

[0002]肝移植手术，是指通过手术植入一个健康的肝脏到患者体内，使终末期肝病患者肝功能得到良好恢复的一种外科治疗手段。肝移植是目前公认的治疗终末期肝病的最有效措施，经过超过50年的发展，肝移植患者术后存活时间不断延长，并发症的发生率亦有所降低。然而，尽管肝移植受体术后的生存率、生存质量有所提高，但肝移植手术后并发症多而且复杂。
[0003]中国专利CN110634571A公开了肝移植术后预后预测系统，所述肝移植术后预后预测系统包括数据采集模块，用于获取临床数据；数据库，用于存储临床数据，临床数据包括患者的基本信息、临床指标、术中处理措施以及肝移植术后预后情况；因素统计模块，用于对临床数据进行统计检验并得出显著性较强的影响因子；相关性分析模块，用于对影响因子与肝移植术后预后情况的相关性进行分析并检验，得到与肝移植术后预后情况存在显著统计相关性的危险因素；但是现有系统相关性分析模块对肝功能失功发生初期很难检测，使得对患者肝功能失功预测不准确，基于此，我们提出了人工智能肝移植早期肝功能失功的预测方法。

技术实现思路

[0004]本专利技术的目的在于针对现有技术的不足之处，提供人工智能肝移植早期肝功能失功的预测方法，解决了现有系统相关性分析模块对肝功能失功发生初期很难检测，使得对患者肝功能失功预测不准确的问题。
[0005]现有系统相关性分析模块对肝功能失功发生初期很难检测，使得对患者肝功能失功预测不准确，基于此，我们提出了人工智能肝移植早期肝功能失功的预测方法，简而言之，所述方法包括获取肝移植临床数据，对获取到的临床数据进行归一化处理，然后基于预训练的影响因子统计模型对肝移植临床数据进行特征提取，得到肝功能失常表征特征，对肝功能失常表征特征进行多源融合处理，最终对多源融合处理集进行分析并检验，得到肝功能失常预测结果。本专利技术实施例通过主成分分析以及随机森林算法构建影响因子统计模型，通过影响因子统计模型对肝移植临床数据进行分析并检验，实现了对肝移植患者肝功能失功早期的预测和分析，有效降低了失功预算成本，更好地符合了肝功能移植失功预测的需求，本专利技术非常适合推广应用。
[0006]本专利技术是这样实现的，人工智能肝移植早期肝功能失功的预测方法，所述人工智能肝移植早期肝功能失功的预测方法，具体包括：
[0007]获取肝移植临床数据，对获取到的临床数据进行归一化处理；
[0008]采集肝移植临床样本，基于主成分分析以及随机森林算法构建影响因子统计模型，并将肝移植临床样本分为训练集、验证集以及测试集，对影响因子统计模型进行训练，
得到预训练的影响因子统计模型；
[0009]基于预训练的影响因子统计模型对肝移植临床数据进行特征提取，得到肝功能失常表征特征，对肝功能失常表征特征进行多源融合处理；
[0010]获取多源融合处理集，对多源融合处理集进行分析并检验，得到肝功能失常预测结果。
[0011]优选地，所述对获取到的临床数据进行归一化处理的方法，具体包括：
[0012]采集肝移植临床数据；
[0013]对肝移植临床数据预处理，其中临床数据预处理措施包括对文件格式、图像尺寸、颜色编码进行统一；
[0014]获取预处理后的肝移植临床数据，对肝移植临床数据中图片采用Hough变换校正，得到校正后肝移植临床数据中图片，基于LASSO算法筛选肝移植临床数据中图片；
[0015]整合肝移植临床数据中图片以及肝移植临床数据，得到临床数据整合集。
[0016]优选地，所述肝移植临床数据包括肝移植受者影像学数据、肿瘤免疫组化表达量、受者基本信息、术前及术后Child分级评分和血型、身体体态数据以及慢性病信息。
[0017]优选地，所述对肝移植临床数据中图片采用Hough变换校正采用极坐标转换校正。
[0018]优选地，所述影响因子统计模型包括卷积神经网络CNN、人工神经网络ANN以及密集卷积网络Net。
[0019]优选地，所述基于主成分分析以及随机森林算法构建影响因子统计模型的方法，具体包括：
[0020]基于随机森林算法构建随机森林神经网络模型，随机森林神经网络模型用于处理肝移植临床样本；
[0021]提取肝移植临床样本中训练集，以训练集训练随机森林神经网络模型，迭代至随机森林神经网络模型收敛；
[0022]获取肝移植临床样本中验证集，验证所述随机森林神经网络模型，基于主成分分析算法对随机森林神经网络模型进行模型再训练，得到影响因子统计模型。
[0023]优选地，所述基于主成分分析以及随机森林算法构建影响因子统计模型的方法，具体还包括：
[0024]获取测试集，以测试集为输入，测试影响因子统计模型，然后使用Relu激活函数计算肝功能失常因子特征向量；
[0025]基于预设的特征向量判断阈值判断肝功能失常因子特征向量是否为肝功能失常影响因子。
[0026]优选地，所述对肝功能失常表征特征进行多源融合处理的方法，具体包括：
[0027]获取临床数据整合集；
[0028]通过影响因子权重聚类算法抽取临床数据整合集中影响因子权重；
[0029]获取影响因子权重，对影响因子权重进行权重向量表示，得到权重向量表示值。
[0030]优选地，所述对肝功能失常表征特征进行多源融合处理的方法，具体还包括：
[0031]获取权重向量表示值，对权重向量表示值进行影响内注意力去噪，得到降噪表示值；
[0032]基于获取的降噪表示值，应用双曲切线非线性函数，将降噪表示值输入影响因子
统计模型，得到单组临床数据对应的多源融合处理值。
[0033]优选地，对多源融合处理集进行分析并检验，得到肝功能失常预测结果的方法，具体包括：
[0034]获取多源融合处理值；
[0035]根据多源融合处理值的结果数据，对影响模糊的区域进行容差计算，其中，容差计算采用的方式为先验失效备用机制；
[0036]通过帧差分算法对容差计算进行计算，基于容差计算值得到肝功能失常预测结果。
[0037]与现有技术相比，本申请实施例主要有以下有益效果：
[0038]本专利技术实施例通过主成分分析以及随机森林算法构建影响因子统计模型，通过影响因子统计模型对肝移植临床数据进行分析并检验，实现了对肝移植患者肝功能失功早期的预测和分析，有效降低了失功预算成本，更好地符合了肝功能移植失功预测的需求。
附图说明
[0039]图1是本专利技术提供的人工智能肝移植早期肝功能失功的预测方法的结构示意图。
[0040]图2示出了所述对获取到的临床数据进行归一化处理方法的实现流程示意图。
[0041]图3示出了所述基于主成分分析以及随机森林算法构建影响因子统计模型方法的实现流程示意图。
[0042]图4示出了所述对肝功能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.人工智能肝移植早期肝功能失功的预测方法，其特征在于，所述人工智能肝移植早期肝功能失功的预测方法，具体包括：获取肝移植临床数据，对获取到的临床数据进行归一化处理；采集肝移植临床样本，基于主成分分析以及随机森林算法构建影响因子统计模型，并将肝移植临床样本分为训练集、验证集以及测试集，对影响因子统计模型进行训练，得到预训练的影响因子统计模型；基于预训练的影响因子统计模型对肝移植临床数据进行特征提取，得到肝功能失常表征特征，对肝功能失常表征特征进行多源融合处理；获取多源融合处理集，对多源融合处理集进行分析并检验，得到肝功能失常预测结果。2.如权利要求1所述的人工智能肝移植早期肝功能失功的预测方法，其特征在于：所述对获取到的临床数据进行归一化处理的方法，具体包括：采集肝移植临床数据；对肝移植临床数据预处理，其中临床数据预处理措施包括对文件格式、图像尺寸、颜色编码进行统一；获取预处理后的肝移植临床数据，对肝移植临床数据中图片采用Hough变换校正，得到校正后肝移植临床数据中图片，基于LASSO算法筛选肝移植临床数据中图片；整合肝移植临床数据中图片以及肝移植临床数据，得到临床数据整合集。3.如权利要求1所述的人工智能肝移植早期肝功能失功的预测方法，其特征在于：所述肝移植临床数据包括肝移植受者影像学数据、肿瘤免疫组化表达量、受者基本信息、术前及术后Child分级评分和血型、身体体态数据以及慢性病信息。4.如权利要求2所述的人工智能肝移植早期肝功能失功的预测方法，其特征在于：所述对肝移植临床数据中图片采用Hough变换校正采用极坐标转换校正。5.如权利要求1
‑
4任一所述的人工智能肝移植早期肝功能失功的预测方法，其特征在于：所述影响因子统计模型包括卷积神经网络CNN、人工神经网络ANN以及密集卷积网络Net。6.如权利要求5所述的人工智能肝移植早期肝功能失功的预测方法，其特征在于：所述基于主成分分析以及随机森林算法构建影响因子统计模型...

【专利技术属性】
技术研发人员：李雅琼，陈欣菊，付树军，王腾，涂康生，翟翔宇，王维，许世峰，王军，郑雨竹，
申请(专利权)人：山东大学第二医院，
类型：发明
国别省市：