【技术实现步骤摘要】
本专利技术涉及机器学习，具体涉及一种基于机器学习的卵巢囊肿治疗预后效果预测系统。
技术介绍
1、巧克力囊肿(chocolate cyst)是由于异位的子宫内膜在卵巢内生长，随着月经周期而出血，形成存在陈旧性积血的囊肿；囊肿内的液体通常呈咖啡色，黏稠呈糊状，像巧克力的形态，因此俗称“卵巢巧克力囊肿”。
2、对于卵巢巧克力囊肿，当其尺寸大于4×4厘米时，需要考虑进行手术治疗，其治疗方式是经超声引导穿刺，用注射器把囊肿内部的液体吸出来。但是，和人身体其他部位的囊肿不一样，卵巢巧克力囊肿的复发概率较大，可能会伴随着女性月经周期反复出现，在月经来的时候，会有一定概率复发。
3、为应对卵巢巧克力囊肿的复发，需要患者在手术治疗后一个月进行复查，检查囊肿缩小率；如果囊肿缩小率在75％以上，那么处置方式为随访管理，包括药物管理和随访观察；如果囊肿缩小率不到50％，那么处置方式可能会考虑再一次进行穿刺治疗。
4、但是，部分患者并不会完全遵从医嘱在手术治疗后一个月返院进行复查，因此无法根据复查情况进行药物管理或再一次穿刺治疗，进而会影响对卵巢巧克力囊肿的最终治疗效果。在这种现状下，如果能有一种针对卵巢巧克力囊肿进行手术治疗的预后效果之预测手段，即使患者未在手术治疗后一个月返院复查，医生也可以根据预测结果提醒患者就医。
技术实现思路
1、针对现有技术存在的不足，本专利技术提出一种基于机器学习的卵巢囊肿治疗预后效果预测系统，以解决现有技术中没有一种针对卵巢巧克力囊肿进行手
2、本专利技术采用的技术方案如下：一种基于机器学习的卵巢囊肿治疗预后效果预测系统，包括：
3、卵巢巧克力囊肿内容物的粘稠程度获取装置，用于获取卵巢巧克力囊肿内容物的粘稠程度；
4、外周血辅助性淋巴细胞与调节性淋巴细胞比值、血小板与淋巴细胞比值、中性粒细胞与淋巴细胞比值获取装置，用于获取患者术前的外周血辅助性淋巴细胞与调节性淋巴细胞比值、血小板与淋巴细胞比值、中性粒细胞与淋巴细胞比值；
5、卵巢囊肿治疗预后效果预测设备，用于根据卵巢巧克力囊肿内容物的粘稠程度、外周血辅助性淋巴细胞与调节性淋巴细胞比值、血小板与淋巴细胞比值、中性粒细胞与淋巴细胞比值，使用第一种卵巢巧克力囊肿术后缩小率预测模型，预测患者卵巢巧克力囊肿术后缩小率。
6、进一步的，卵巢巧克力囊肿内容物的粘稠程度获取装置包括上端开口、下端安装有滤网的第一容器，第二容器和称重器。
7、进一步的，粘稠程度的获取方法包括：将卵巢巧克力囊肿内容物放入所述第一容器中，将所述第二容器放置于第一容器的下方；在预设时间内卵巢巧克力囊肿内容物从滤网滴落，落入第二容器中；使用称重器对落入第二容器中的卵巢巧克力囊肿内容物进行称重，根据重量表征粘稠程度，重量越轻越粘稠。
8、进一步的，第一种卵巢巧克力囊肿术后缩小率预测模型的构建方法包括：获取患者卵巢巧克力囊肿内容物的粘稠程度历史数据、外周血辅助性淋巴细胞与调节性淋巴细胞比值历史数据、血小板与淋巴细胞比值历史数据、中性粒细胞与淋巴细胞比值历史数据作为人工神经网络的输入；获取患者术后一个月经超声复查的图片识别出来的囊肿缩小率历史数据，作为人工神经网络的输出；对人工神经网络进行训练，将完成训练的人工神经网络作为第一种卵巢巧克力囊肿术后缩小率预测模型。
9、进一步的，预测系统还包括患者工作压力情况和睡眠质量情况获取装置，用于获取近一年内患者的工作压力情况、睡眠质量情况。
10、进一步的，卵巢囊肿治疗预后效果预测设备，还用于根据卵巢巧克力囊肿内容物的粘稠程度、外周血辅助性淋巴细胞与调节性淋巴细胞比值、血小板与淋巴细胞比值、中性粒细胞与淋巴细胞比值、患者工作压力情况和患者睡眠质量情况，使用第二种卵巢巧克力囊肿术后缩小率预测模型，预测患者卵巢巧克力囊肿术后缩小率。
11、进一步的，第二种卵巢巧克力囊肿术后缩小率预测模型的构建方法包括：
12、将患者卵巢巧克力囊肿内容物的粘稠程度历史数据、外周血辅助性淋巴细胞与调节性淋巴细胞比值历史数据、血小板与淋巴细胞比值历史数据、中性粒细胞与淋巴细胞比值历史数据、患者工作压力情况历史数据和患者睡眠质量情况历史数据作为人工神经网络的输入；获取患者术后一个月经超声复查的图片识别出来的囊肿缩小率历史数据，作为人工神经网络的输出；对人工神经网络进行训练，将完成训练的人工神经网络作为第二种卵巢巧克力囊肿术后缩小率预测模型。
13、进一步的，人工神经网络包括卷积神经网络。
14、进一步的，卷积神经网络架构从输入端到输出端依顺次为：第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、全连接层；每一层的神经元设为256个，卷积层的激活函数为relu，池化层的激活函数为sigmoid，全连接层的激活函数为softmax；损失函数为分类交叉熵。
15、由上述技术方案可知，本专利技术的有益技术效果如下：
16、提供了一种针对卵巢巧克力囊肿进行手术治疗之预后效果的预测手段，得到囊肿缩小率的预测值；根据囊肿缩小率的预测值来提醒患者后续的复查治疗或者随访管理方案，减少因复查不及时造成的囊肿复发情况。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述卵巢巧克力囊肿内容物的粘稠程度获取装置包括上端开口、下端安装有滤网的第一容器，第二容器和称重器。
3.根据权利要求2所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述粘稠程度的获取方法包括：
4.根据权利要求1所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述第一种卵巢巧克力囊肿术后缩小率预测模型的构建方法包括：
5.根据权利要求1所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述预测系统还包括患者工作压力情况和睡眠质量情况获取装置，用于获取近一年内患者的工作压力情况、睡眠质量情况。
6.根据权利要求1所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述卵巢囊肿治疗预后效果预测设备，还用于根据卵巢巧克力囊肿内容物的粘稠程度、外周血辅助性淋巴细胞与调节性淋巴细胞比值、血小板与淋巴细胞比值、中性粒细胞与淋巴细胞
7.根据权利要求6所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述第二种卵巢巧克力囊肿术后缩小率预测模型的构建方法包括：
8.根据权利要求4或7所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述人工神经网络包括卷积神经网络。
9.根据权利要求8所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述卷积神经网络架构从输入端到输出端依顺次为：第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、全连接层；每一层的神经元设为256个，卷积层的激活函数为RELU，池化层的激活函数为Sigmoid，全连接层的激活函数为Softmax；损失函数为分类交叉熵。
...【技术特征摘要】
1.一种基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述卵巢巧克力囊肿内容物的粘稠程度获取装置包括上端开口、下端安装有滤网的第一容器，第二容器和称重器。
3.根据权利要求2所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述粘稠程度的获取方法包括：
4.根据权利要求1所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述第一种卵巢巧克力囊肿术后缩小率预测模型的构建方法包括：
5.根据权利要求1所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述预测系统还包括患者工作压力情况和睡眠质量情况获取装置，用于获取近一年内患者的工作压力情况、睡眠质量情况。
6.根据权利要求1所述的基于机器学习的卵巢囊肿治疗预后效果预测系统，其特征在于，所述卵巢囊肿治疗预后效果预测设备，还用于根据卵巢巧...
【专利技术属性】
技术研发人员：熊希，田红菊，陈正琼，
申请(专利权)人：中国人民解放军陆军军医大学第二附属医院，
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。