【技术实现步骤摘要】
本专利技术属于医疗数据处理，具体涉及基于bp神经网络的肿瘤患者住院费用预测方法及系统。
技术介绍
1、
2、目前，对于恶性肿瘤患者住院费用的研究，基本都停留在对单一类别恶性肿瘤患者住院费用的多因素分析，如对某一类恶性肿瘤患者住院费用进行多因素的多元线性回归分析。然而，该方法无法对不同类别的恶心肿瘤进行数据整合分析，同时其分析精确度也有待提高。
技术实现思路
1、本专利技术提供的基于bp神经网络的肿瘤患者住院费用预测方法及系统，能够利用现有肿瘤患者的住院数据，训练bp神经网络模型，从而对实际肿瘤患者的住院费用进行预测，能够克服上述现有技术中存在的问题。
2、本专利技术解决上述技术问题的技术方案如下：
3、第一方面，本专利技术提供了基于bp神经网络的肿瘤患者住院费用预测方法，包括以下步骤：
4、s1：获取现有肿瘤患者住院数据，提取住院数据中的数据特征，并将提取到的数据特征作为肿瘤患者住院费用影响因素；
5、s2：构建bp神经网络，将住院费用影响因素以及住院费用数据分别作为训练数据的输入和输出，并将训练数据按照8:2的比例作为训练集和测试集，对bp神经网络进行训练以及测试；
6、s3：将当前患者医疗数据输入bp神经网络，并输出住院费用。
7、在一些实施例中，所述住院费用影响因素包括诊疗费、中药费、西药费、检查费、手术费、化验费以及肿瘤类别。
8、在一些实施例中，所述s1还包括：
9
10、s12：将向量形式的住院数据进行归一化处理；
11、s13：对住院费用影响因素赋予初始权重。
12、在一些实施例中，所述s2包括：
13、s21：构建输入层为7个节点，隐含层为5个节点，输出层为1个节点的bp神经网络结构；
14、s22：将向量形式住院数据中的住院费用影响因素作为输入，住院费用作为期望输出，并根据初始权重，对bp神经网络进行训练；
15、s23：更新初始权重，直至损失函数收敛。
16、第二方面，本专利技术提供了基于bp神经网络的肿瘤患者住院费用预测系统，包括：
17、数据获取模块，用于获取现有肿瘤患者住院数据，提取住院数据中的数据特征，并将提取到的数据特征作为肿瘤患者住院费用影响因素；
18、模型训练模块，用于构建bp神经网络，并将住院费用影响因素以及住院费用数据按照8:2的比例作为训练集和测试集，对bp神经网络进行训练以及测试；
19、费用预测模块，用于将当前患者医疗数据输入bp神经网络，并输出住院费用。
20、在一些实施例中，所述住院费用影响因素包括诊疗费、中药费、西药费、检查费、手术费、化验费以及肿瘤类别。
21、在一些实施例中，所述数据获取模块包括：
22、向量转化子模块，用于根据住院费用和住院费用影响因素的对应关系，将住院数据转化为向量形式；
23、归一化子模块，用于将向量形式的住院数据进行归一化处理；
24、初始化权重子模块，用于对住院费用影响因素赋予初始权重。
25、在一些实施例中，所述模型训练模块包括：
26、模型构建子模块，用于构建输入层为7个节点，隐含层为5个节点，输出层为1个节点的bp神经网络结构；
27、训练子模块，用于将向量形式住院数据中的住院费用影响因素作为输入，住院费用作为期望输出，并根据初始权重，对bp神经网络进行训练；
28、权重更新子模块，更新初始权重，直至损失函数收敛。
29、第三方面，本专利技术提供了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的预测方法。
30、第四方面，本专利技术提供了一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任意一项所述的预测方法。
31、本申请的有益效果是：
32、本申请提供的基于bp神经网络的肿瘤患者住院费用预测方法及系统，能够利用现有肿瘤患者的住院数据，训练bp神经网络模型，从而对实际肿瘤患者的住院费用进行预测，能够克服上述现有技术中存在的问题。
本文档来自技高网...【技术保护点】
1.基于bp神经网络的肿瘤患者住院费用预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于bp神经网络的肿瘤患者住院费用预测方法，其特征在于，所述住院费用影响因素包括诊疗费、中药费、西药费、检查费、手术费、化验费以及肿瘤类别。
3.根据权利要求2所述的基于bp神经网络的肿瘤患者住院费用预测方法，其特征在于，所述S1还包括：
4.根据权利要求3所述的基于bp神经网络的肿瘤患者住院费用预测方法，其特征在于，所述S2包括：
5.基于bp神经网络的肿瘤患者住院费用预测系统，其特征在于，包括：
6.根据权利要求5所述的基于bp神经网络的肿瘤患者住院费用预测系统，其特征在于，所述住院费用影响因素包括诊疗费、中药费、西药费、检查费、手术费、化验费以及肿瘤类别。
7.根据权利要求6所述的基于bp神经网络的肿瘤患者住院费用预测系统，其特征在于，所述数据获取模块包括：
8.根据权利要求7所述的基于bp神经网络的肿瘤患者住院费用预测系统，其特征在于，所述模型训练模块包括：
9.一种计算机，包括
10.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任意一项所述的预测方法。
...【技术特征摘要】
1.基于bp神经网络的肿瘤患者住院费用预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于bp神经网络的肿瘤患者住院费用预测方法，其特征在于，所述住院费用影响因素包括诊疗费、中药费、西药费、检查费、手术费、化验费以及肿瘤类别。
3.根据权利要求2所述的基于bp神经网络的肿瘤患者住院费用预测方法，其特征在于，所述s1还包括：
4.根据权利要求3所述的基于bp神经网络的肿瘤患者住院费用预测方法，其特征在于，所述s2包括：
5.基于bp神经网络的肿瘤患者住院费用预测系统，其特征在于，包括：
6.根据权利要求5所述的基于bp神经网络的肿瘤患者住院费用预测系统，其特征在于，所...
【专利技术属性】
技术研发人员：张伯慧，张冉，倪建伟，车涛锋，李云峰，陈一超，
申请(专利权)人：神州医疗科技股份有限公司，
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。