[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 |
| 地址: | 518000 廣東省深圳市福田區福田*** | 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 基于 稀疏 編碼 免疫 水平 預測 系統 裝置 存儲 介質 | ||
本發明涉及一種基于稀疏編碼的免疫水平預測系統、裝置和存儲介質,包括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目標數據總集;根據所述目標數據總集得到訓練數據矩陣;稀疏編碼學習模塊用于基于稀疏編碼學習方法,對稀疏編碼模型進行訓練,得到目標稀疏表示;還用于對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,并根據優化字典矩陣、優化權重矩陣和神經網絡模型得到目標預測模型;免疫水平預測模塊用于將待預測數據矩陣輸入目標預測模型中,得到對應的免疫水平。本發明能夠覆蓋大部分的免疫指標,挖掘出多免疫指標對免疫水平表征的影響,準確地、全面地預測出免疫水平,彌補了醫學空白。
技術領域
本發明涉及人工智能及輔助生殖技術領域,尤其涉及一種基于稀疏編碼的免疫水平預測系統、裝置和存儲介質。
背景技術
隨著社會壓力的增加,生活環境以及人們生活方式的改變,不孕不育疾病的發生率逐年升高。據中國人口協會發布的調查結果顯示,我國不孕不育患者目前已超過5000萬對夫婦,從30年前占育齡人口的1%~3%,到現在的10%~15%,30年增長了10倍左右。不育不孕已成為與癌癥、心血管疾病并列的影響人類健康與發展的重大疾病。自從1978年世界第一例通過體外受精-胚胎移植(In Vitro Fertilization-embryo Transfer,IVF-ET)技術懷孕的女性順利生產后,IVF-ET技術幫助很多家庭實現了生育的夢想。得益于促排卵方案、胚胎培養體系、胚胎植入前基因檢測及胚胎選擇等步驟的優化,目前,全球IVF-ET的平均成功率約為30%。研究顯示,在利用IVF-ET技術進行正常妊娠或自然受孕的妊娠過程中,母體免疫系統能夠正確識別胎兒,保護其在母體內正常發育;當母體免疫系統發生紊亂時,便會對胎兒產生排斥,進而可能發生不良妊娠結局。
因此,在母體免疫系統中,合適的免疫水平起著至關重要的作用,即對母體免疫系統的免疫水平的評估和預測具有重要意義。
目前,臨床醫師主要遵循醫學或業內經驗,根據每個免疫學指標的正常參考范圍判定某個指標是否異常來評估整體的免疫水平。但是,由于免疫系統的復雜性、細胞之間的密切聯系等特點,使得醫生即使在已知多個免疫指標結果的情況下,也無法綜合判斷免疫狀態是否達到合適水平,無法根據獨立的多個免疫學指標對整體免疫狀態進行評估,對免疫水平的評估不夠精準、不夠全面。部分臨床研究采用傳統的多因素邏輯回歸等統計學方法來闡明多個因素之間對免疫水平或免疫狀態的協同效應,但是,傳統的統計學方法對大數據的分析效能以及對因素之間的深度聯系挖掘能力都較低,無法真正地體現出免疫細胞以及激素等多個免疫指標相互之間的關聯性對免疫水平的表征或預測的影響。
深度學習在圖像處理領域取得了巨大的成就,以深度學習為基礎建設的臨床決策輔助系統(Clinical Decision Support System,CDSS)也有了較大的發展,但是基于深度學習算法來對母體免疫水平進行預測,進而對妊娠結局進行預測方面,還存在大量的醫學空白。
發明內容
本發明所要解決的技術問題是針對上述現有技術的不足,提供一種基于稀疏編碼的免疫水平預測系統、裝置和存儲介質,能夠盡可能地覆蓋大部分的免疫指標,能夠挖掘出多免疫指標對免疫水平表征的影響,準確地、全面地預測母體免疫系統的免疫水平,彌補了醫學空白。
本發明解決上述技術問題的技術方案如下:
一種基于稀疏編碼的免疫水平預測系統,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;
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,未經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/202011363481.4/2.html,轉載請聲明來源鉆瓜專利網。





