[發明專利]一種基于稀疏編碼的免疫水平預測系統、裝置和存儲介質

在審

• 申請號: 202011363481.4
• 申請日: 2020-11-27
• 公開（公告）號: CN112466468A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 黃春宇;陳道燊;向征;張勇弩;盧威廉;葉俊杰;黃立恩;李玉葉;余殊毅;刁梁輝;曾勇
• 申請（專利權）人: 深圳市錦欣醫療科技創新中心有限公司;恒星智庫有限公司;深圳中山泌尿外科醫院
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06N3/04;G06N3/08;G16H50/70
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 陳曉華

1.一種基于稀疏編碼的免疫水平預測系統，其特征在于，包括數據矩陣制作模塊、稀疏編碼學習模塊和免疫水平預測模塊；

所述數據矩陣制作模塊，用于獲取多個指標數據集，根據所有指標數據集得到模型數據總集，對所述模型數據總集進行預處理，得到目標數據總集；

所述數據矩陣制作模塊，還用于根據所述目標數據總集得到輸入數據矩陣，并從所述輸入數據矩陣中獲取訓練數據矩陣；

所述稀疏編碼學習模塊，用于構建稀疏編碼模型，基于稀疏編碼學習方法，利用所述訓練數據矩陣對所述稀疏編碼模型進行訓練，得到目標稀疏表示；

所述稀疏編碼學習模塊，還用于構建神經網絡模型，根據所述目標稀疏表示和所述訓練數據矩陣對所述神經網絡模型進行訓練，得到優化權重矩陣和優化字典矩陣，并根據所述優化字典矩陣、所述優化權重矩陣和所述神經網絡模型得到目標預測模型；

所述數據矩陣制作模塊，還用于獲取待預測指標數據集，并根據所述待預測指標數據集得到對應的待預測數據矩陣；

所述免疫水平預測模塊，用于將所述待預測數據矩陣輸入所述目標預測模型中，得到所述待預測指標數據集對應的免疫水平；

其中，所述待預測指標數據集和每個指標數據集中均包含有多個免疫指標數據序列。

2.根據權利要求1所述的基于稀疏編碼的免疫水平預測系統，其特征在于，任一個免疫指標數據序列具體為任一個母體的任一項免疫指標在一個預設周期內，按照時間先后順序排列的多個免疫指標數據；

所述數據矩陣制作模塊包括數據集獲取單元、預處理單元、數據矩陣構建單元和數據矩陣劃分單元；

所述數據集獲取單元，用于從醫院大數據平臺中確定多個母體，并分別提取每一個母體的所有免疫指標數據序列，分別根據每一個母體的所有免疫指標數據序列對應得到每一個母體的指標數據集，根據所有母體的指標數據集得到所述模型數據總集；

所述預處理單元具體用于：

將所述模型數據總集加載到MATLAB中，選取所述模型數據總集中的任一個指標數據集，按照免疫指標類型對選取的指標數據集中的所有免疫指標數據序列進行分類，得到選取的指標數據集對應的指標面板集；

在選取的指標數據集對應的指標面板集中選取任一個指標面板，按照預設串聯間隔和預設串聯方向，對選取的指標面板下的所有免疫指標數據序列進行數據串聯，得到選取的指標面板對應的串聯指標面板；

遍歷選取的指標數據集對應的指標面板集中的每個指標面板，得到選取的指標數據集中每個指標面板一一對應的串聯指標面板；根據選取的指標數據集的所有串聯指標面板，得到選取的指標數據集對應的合并指標數據集；

采用z-score歸一化方法和/或One-hot編碼方法，對選取的指標數據集對應的合并指標數據集進行標準化處理，得到選取的指標數據集對應的標準指標數據集；

遍歷所述模型數據總集中的每個指標數據集，得到每個指標數據集一一對應的標準指標數據集，根據所有標準指標數據集得到所述目標數據總集；

其中，所述免疫指標包括荷爾蒙指標、母體抗體指標、外周血免疫指標和子宮內膜免疫指標；

所述數據矩陣構建單元，用于根據預設輸入指標類型，分別在所述目標數據總集的每個標準指標數據集中均選取多個標準指標數據，根據選取的所有標準指標數據構建所述輸入數據矩陣；

所述數據矩陣劃分單元，用于按照預設劃分比例，將所述輸入數據矩陣分為訓練數據矩陣和測試數據矩陣。

3.根據權利要求2所述的基于稀疏編碼的免疫水平預測系統，其特征在于，所述稀疏編碼學習模塊包括稀疏編碼模型訓練單元；

所述稀疏編碼模型訓練單元具體用于：

獲取第一模型訓練參數，根據所述第一模型訓練參數構建所述稀疏編碼模型；其中，所述第一模型訓練參數包括模型原子數、第一模型學習率和第一模型成本函數；

采用隨機初始化方法，獲取初始化字典矩陣和初始化稀疏表示，采用坐標下降法和ISTA迭代閾值收縮方法，根據所述初始化字典矩陣、所述初始化稀疏表示和所述訓練數據矩陣對所述稀疏編碼模型進行迭代收縮，得到目標稀疏表示。