[發明專利]一種乳腺癌風險評估方法、系統、介質及設備有效
| 申請號： | 202011030248.4 | 申請日： | 2020-09-27 |
| 公開（公告）號： | CN112164462B | 公開（公告）日： | 2022-05-24 |
| 發明（設計）人： | 張智軍;陳博釗 | 申請（專利權）人： | 華南理工大學 |
| 主分類號： | G16H50/30 | 分類號： | G16H50/30;G06N3/04 |
| 代理公司： | 廣州市華學知識產權代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 乳腺癌 風險 評估 方法 系統 介質 設備 | ||
1.一種乳腺癌風險評估方法，其特征在于，包括下述步驟：
輸入身體指標測量數據樣本；
構建S型動態收斂差分神經網絡，設定輸入神經元個數為所需測量的身體指標數目，所述S型動態收斂差分神經網絡包括輸入層、隱含層和輸出層，設定輸入層與隱含層之間各個連接權重分量隨機初始化且保持不變，隱含層與輸出層之間各個連接權重分量隨機初始化并進行訓練；
采用多種不同類型的變換函數訓練出對應多種不同的S型動態收斂差分神經網絡模型；
所述變換函數采用線性函數、Tanh函數或Sinh函數中的任意一種；
采用神經動力學訓練方法，具體表達式為：
E(k+1)-E(k)＝-αΦ(E(k)),α＞0
其中，E(k)表示在第k(k∈N+)次學習樣本后，S型動態收斂差分神經網絡輸出減去期望值結果，α表示神經動力學系數，Φ(·)表示變換函數；
所述S型動態收斂差分神經網絡的輸出表示為：
Y(k)＝g(f(XV)W(k))
其中，X表示身體指標測量數據樣本的矩陣，V表示輸入層與隱含層之間的權重矩陣，W(k)表示第k次學習樣本后隱含層與輸出層之間的權重矩陣；
求出第k次學習樣本后的訓練誤差ε(k)，S型動態收斂差分神經網絡判斷結果輸出Y(k)經過Softmax層得出概率矩陣P(k)，得出預判結果；
所述神經網絡訓練模塊采用交叉熵損失函數得出訓練誤差ε(k)，具體計算公式為：
其中，Lsr與Psr分別表示L與P(k)中第s行第r列元素；
設訓練誤差閾值為ε'，如果ε(k)＜ε'則停止對隱含層與輸出層之間權重矩陣的訓練；
求解隱含層與輸出層之間的權重矩陣為W(k+1)，表示為：
其中，(f(XV))+表示隱含層輸出矩陣f(XV)的Moore-Penrose偽逆，z為自變量；
采用完成訓練的S型動態收斂差分神經網絡模型對輸入的身體指標測量數據樣本進行預判，得到預判結果；
采用基于少數服從多數的投票原則對預判結果進行評估，得出最終的乳腺癌風險評估結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華南理工大學，未經華南理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011030248.4/1.html，轉載請聲明來源鉆瓜專利網。
