[發明專利]一種基于深度神經網絡的術后數據分析方法及設備

在審

• 申請號: 202011549793.4
• 申請日: 2020-12-24
• 公開（公告）號: CN112599250A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 史斌;高峰利;金海龍
• 申請（專利權）人: 中國人民解放軍總醫院第三醫學中心
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H10/60;G06N3/08;G06K9/62;G06F16/9537
• 代理公司: 北京慧而行專利代理事務所(普通合伙) 11841
• 代理人: 李銳

1.一種基于深度神經網絡的術后數據分析設備，其特征在于，所述設備包括：

數據輸入部、數據預處理部、數據分析部、存儲部、輸出部；所述數據輸入部連接數據預處理部，所述數據預處理部連接所述數據分析部，所述數據分析部連接所述輸出部；所述數據輸入部、數據預處理部、數據分析部、輸出部分別與所述存儲部連接；

數據輸入部，用于輸入術后的原始數據集；所述原始數據集輸入后，由所述數據輸入部發送至數據預處理部；

所述數據預處理部對所述原始數據集進行預處理，所述預處理包括數據篩選、缺失數據填充、錯誤數據清洗、多值數據處理、離散數據編碼及數據歸一化，獲得歸一化后的標準數據集；所述標準數據集發送至所述數據分析部，并同時發送存儲部進行存儲；

所述數據分析部接收所述標準數據集，并進行分析，針對標準數據集中的單個的個體單位數據集，給出分類后的數據標簽；所述分類后的數據標簽及標準數據集發送至所述輸出部，同時發送存儲部存儲，在所述存儲部存儲時，所述數據標簽與所述標準數據集中對應的個體單位數據集關聯存儲；

所述輸出部將所述數據標簽與所述標準數據集中對應的個體單位數據集以關聯的方式輸出。

2.根據權利要求1所述的設備，其特征在于，所述數據分析部包含神經網絡模塊，當輸入的所述原始數據集用于訓練所述神經網絡模塊時，所述數據預處理部對于獲得的歸一化后的標準數據集，以單個個體為單位，增加數據標簽，形成樣本數據集；所述樣本數據集發送至所述數據分析部進行神經網絡訓練，并同時發送存儲部進行存儲。

3.根據權利要求1所述的設備，其特征在于，所述數據預處理部中，所述缺失數據補充，對于缺失的數據項，采用存儲部中存儲的已有數據中對應數據項的平均值補充對應的缺失數據項。

4.根據權利要求1所述的設備，其特征在于，所述數據預處理部中，所述離散數據編碼，通過將離散類數據項按照數據類別設置統一編碼的方式進行處理。

5.根據權利要求1所述的設備，其特征在于，所述數據預處理部中，所述數據歸一化，將數據中的指標數值，通過等比縮放方式，全部歸一化到0至255區間。

6.根據權利要求2所述的設備，其特征在于，所述增加數據標簽，通過以下方式：

對于標準數據集，以單個個體為單位，增加數據標簽項，數據標簽項對應單個個體單位的數據標簽值，所述數據標簽值基于單個個體單位的相對時間數據與全部標準數據集中的相對時間數據的中值的比對結果來添加；

當單個個體單位的相對時間數據大于所述中值時，歸為一類數據標簽，否則歸為另一類數據標簽；

所述相對時間指單個個體單位手術時間與復發時間之間的差值。

7.根據權利要求1所述的設備，其特征在于，所述標準數據集包含64個數據項。

8.一種基于深度神經網絡的術后數據分析方法，其特征在于，所述方法包括：

S1、輸入術后原始數據集；

S2、對所述原始數據集進行預處理，所述預處理包括數據篩選、缺失數據填充、錯誤數據清洗、多值數據處理、離散數據編碼及數據歸一化，獲得歸一化后的標準數據集；

S3、針對標準數據集中的單個的個體單位數據集，通過神經網絡，給出分類后的數據標簽。

9.根據權利要求8所述的方法，其特征在于，當輸入的所述原始數據集用于訓練所述神經網絡時，對所述標準數據集，以單個個體為單位，增加數據標簽，形成樣本數據集，進行神經網絡訓練。

10.根據權利要求9所述的方法，其特征在于，所述增加數據標簽，通過以下方式：

對于標準數據集，以單個個體為單位，增加數據標簽項，數據標簽項對應單個個體單位的數據標簽值，所述數據標簽值基于單個個體單位的相對時間數據與全部標準數據集中的相對時間數據的中值的比對結果來添加；

當單個個體單位的相對時間數據大于所述中值時，歸為一類數據標簽，否則歸為另一類數據標簽；

所述相對時間指單個個體單位手術時間與復發時間之間的差值。