【技术实现步骤摘要】
本专利技术属于疗效预测，具体为一种基于机器学习的戏曲个性化干预疗法疗效评估系统。
技术介绍
1、基于机器学习的戏曲个性化干预疗法疗效评估系统是一种利用机器学习算法和技术来评估患者在接受戏曲疗法后的个性化疗效的系统。它通过分析患者的个人信息、健康状况指标和戏曲疗法的干预方式，预测患者在接受戏曲疗法后的疗效评估，并为医生和患者提供参考，以辅助制定更有效的治疗方案。
2、但是，在已有的疗效评估系统中，存在着缺少一种戏曲个性化干预疗法数据统计研究模型的技术问题；在已有的疗效评估系统中，存在着戏曲疗法疗效预测准确率低，数据规格尺度不一导致预测难度大的技术问题；在已有的疗效评估系统中，存在着戏曲疗法疗效预测数据的数据规模小、数据量较低，影响模型效果的技术问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种基于机器学习的戏曲个性化干预疗法疗效评估系统，针对在已有的疗效评估系统中，存在着缺少一种戏曲个性化干预疗法数据统计研究模型的技术问题，本方案创造性地采用包括招募被试人群、确定研究分组和设置资料信息表三项研究内容的研究方法构建研究模型，为戏曲疗法疗效预测提供了数据来源和基础理论支持；针对在已有的疗效评估系统中，存在着戏曲疗法疗效预测准确率低，数据规格尺度不一导致预测难度大的技术问题，本方案创造性地采用最大-最小缩放方法进行数据预处理，并采用长短期记忆神经网络的方法进行数据预测，提高了数据预测的数据质量，提升了数据预测的自动性、可用性和准确性；针对在已有的
2、本专利技术采取的技术方案如下：本专利技术提供的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，包括戏曲疗法数据建构模块、数据收集模块、数据预处理模块、序列数据预测模块、随机概率模拟模块和疗效评估模块；
3、所述戏曲疗法数据建构模块，用于构建数据统计模型，具体为构建戏曲个性化干预疗法数据统计研究模型，并将所述戏曲个性化干预疗法数据统计研究模型发送至数据收集模块；
4、所述数据收集模块，用于收集支持疗效预测的基本数据集，通过数据收集，得到疗效预测原始数据，并将所述疗效预测原始数据发送至数据预处理模块；
5、所述数据预处理模块，用于对原始数据进行预先处理，通过数据预处理，得到增强疗效预测数据，并将所述增强疗效预测数据发送至序列数据预测模块和随机概率模拟模块；
6、所述序列数据预测模块，用于训练进行序列数据变化预测的模型，通过序列数据预测，得到序列数据预测结果，并将所述序列数据预测结果发送至疗效评估模块；
7、所述随机概率模拟模块，用于模拟概率预测的随机过程，并进行虚拟样本生成，通过随机概率模拟，得到随机虚拟样本数据，并将所述随机虚拟样本数据发送至疗效评估模块；
8、所述疗效评估模块，用于结合随机虚拟样本和序列数据预测方法进行戏曲疗法疗效评估，得到疗效预测数据。
9、进一步地，所述戏曲疗法数据建构，具体为构建戏曲个性化干预疗法数据统计研究模型，所述构建戏曲个性化干预疗法数据统计研究模型，包括招募被试人群、确定研究分组和设置资料信息表；
10、所述被试人群，具体指意识清晰、听力良好、无沟通障碍且知情同意的60岁及以上老年人；
11、所述研究分组，包括主动戏曲治疗组、被动戏曲治疗组和对照组，所述主动戏曲治疗组，具体指由被试人群自选合适戏曲曲目，并主动观看、聆听和学习戏曲内容的治疗方式；
12、所述被动戏曲治疗，具体指被试人群被动观看、聆听和学习预选戏曲曲目的治疗方式；
13、所述对照组，具体指被试人群在除戏曲内容之外的其他条件相同情况下，观看、聆听和学习非戏曲曲目的对照方式；
14、所述资料信息表，具体包括一般信息数据和认知改善数据；
15、所述一般信息数据，包括被试一般情况、年龄、性别、教育程度、研究情况、收缩压、舒张压、血糖、血脂、糖化、appe酶、同型半胱氨酸、白介素信息、c-反应蛋白和t肿瘤坏死因子-α信息；
16、所述认知改善数据，包括认知数据、焦虑数据、抑郁数据和睡眠数据。
17、进一步地，所述数据收集，用于收集支持疗效预测的基本数据集，具体为从所述戏曲个性化干预疗法数据统计研究模型中，收集疗效预测原始数据，所述疗效预测原始数据，具体指认知改善变化数据，所述认知改善变化数据，包括认知变化情况数据、焦虑变化情况数据、抑郁变化情况数据和睡眠变化情况数据。
18、进一步地，所述数据预处理，用于对原始数据进行预先处理，具体为采用最大-最小缩放方法对所述疗效预测原始数据进行数据预处理，得到增强疗效预测数据，所述采用最大-最小缩放方法对所述疗效预测原始数据进行数据预处理的计算公式为：
19、；
20、式中，xscaled是增强疗效预测数据，xor是疗效预测原始数据中的待缩放数据，是疗效预测原始数据中的训练数据的最小特征向量，是疗效预测原始数据中的训练数据的最大特征向量。
21、进一步地，所述序列数据预测，用于训练进行序列数据变化预测的模型，具体为采用长短期记忆神经网络，基于所述增强疗效预测数据进行序列数据预测，得到认知改善变化预测数据；
22、所述长短期记忆神经网络，包括输入门、输出门和遗忘门；
23、所述输入门，用于接收输入数据；
24、所述输出门，用于输出预测数据；
25、所述遗忘门，用于确定丢弃信息；
26、所述采用长短期记忆神经网络，基于所述增强疗效预测数据进行序列数据预测，得到认知改善变化预测数据的步骤，包括：
27、构建输入门，具体为将所述增强疗效预测数据作为训练输入样本，构建所述输入门；
28、构建遗忘门，具体为计算遗忘门需丢弃的信息，计算公式为：
29、；
30、式中，ft是遗忘门输出，用于表示在时间步t需丢弃的信息，sigmoid(·)是s型激活函数，uf是遗忘门权重矩阵，xt是当前时间步t的输入数据，t是时间步索引，vf是上一时间步t-1的隐藏状态的遗忘门权重矩阵，ht-1是上一时间步t-1的隐藏状态，是遗忘门偏置项；
31、构建单元状态，具体为计算在单元状态中需存储的更新输入信息，并通过计算候选单元状态，构建所述单元状态，计算公式为：
32、；
33、式中，it是更新输入信息，用于表示在时间步t需存储的更新输入信息，sigmoid(·)是s型激活函数，ui是更新输入信息权重矩阵，xt是当前时间步t的输入数据，t是时间步索引，vi是上一时间步t-1的隐藏状态的更新输入信息权重矩阵，ht-1是上一时间步t-1的隐藏状态，是更新输入信息偏置项，本文档来自技高网...
【技术保护点】
1.一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：包括戏曲疗法数据建构模块、数据收集模块、数据预处理模块、序列数据预测模块、随机概率模拟模块和疗效评估模块；
2.根据权利要求1所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述序列数据预测，用于训练进行序列数据变化预测的模型，具体为采用长短期记忆神经网络，基于所述增强疗效预测数据进行序列数据预测，得到认知改善变化预测数据；
3.根据权利要求2所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述采用长短期记忆神经网络，基于所述增强疗效预测数据进行序列数据预测，得到认知改善变化预测数据的步骤，包括：
4.根据权利要求3所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述随机概率模拟，用于模拟概率预测的随机过程，并进行虚拟样本生成，具体为采用蒙特卡洛法，基于所述增强疗效预测数据，进行随机概率模拟，得到随机虚拟样本数据。
5.根据权利要求4所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述采用
6.根据权利要求5所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述疗效评估，用于结合随机虚拟样本和序列数据预测方法进行戏曲疗法疗效评估，得到疗效预测数据，包括以下步骤：
7.根据权利要求6所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述戏曲疗法数据建构，具体为构建戏曲个性化干预疗法数据统计研究模型，所述构建戏曲个性化干预疗法数据统计研究模型，包括招募被试人群、确定研究分组和设置资料信息表；
8.根据权利要求7所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述数据收集，用于收集支持疗效预测的基本数据集，具体为从所述戏曲个性化干预疗法数据统计研究模型中，收集疗效预测原始数据，所述疗效预测原始数据，具体指认知改善变化数据，所述认知改善变化数据，包括认知变化情况数据、焦虑变化情况数据、抑郁变化情况数据和睡眠变化情况数据。
9.根据权利要求8所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述数据预处理，用于对原始数据进行预先处理，具体为采用最大-最小缩放方法对所述疗效预测原始数据进行数据预处理，得到增强疗效预测数据，所述采用最大-最小缩放方法对所述疗效预测原始数据进行数据预处理的计算公式为：
...【技术特征摘要】
1.一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：包括戏曲疗法数据建构模块、数据收集模块、数据预处理模块、序列数据预测模块、随机概率模拟模块和疗效评估模块；
2.根据权利要求1所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述序列数据预测，用于训练进行序列数据变化预测的模型，具体为采用长短期记忆神经网络，基于所述增强疗效预测数据进行序列数据预测，得到认知改善变化预测数据；
3.根据权利要求2所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述采用长短期记忆神经网络，基于所述增强疗效预测数据进行序列数据预测，得到认知改善变化预测数据的步骤，包括：
4.根据权利要求3所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述随机概率模拟，用于模拟概率预测的随机过程，并进行虚拟样本生成，具体为采用蒙特卡洛法，基于所述增强疗效预测数据，进行随机概率模拟，得到随机虚拟样本数据。
5.根据权利要求4所述的一种基于机器学习的戏曲个性化干预疗法疗效评估系统，其特征在于：所述采用蒙特卡洛法，基于所述增强疗效预测数据，进行随机概率模拟，得到随机虚拟样本数据，包括以下步骤：
6.根据权利...
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。