[发明专利]基于血管靶向光动力疗法的鲜红斑痣处理方法及系统

权利要求书

1.基于血管靶向光动力疗法的鲜红斑痣处理系统，其特征在于：其包括：

数据库建立模块，其建立数据库，基于过往鲜红斑痣病患的病例数据，构建专病数据库并对数据进行脱敏处理；

专家系统模型建立模块，其建立专家系统模型，采用有监督模型与无监督模型相配合的方式，构建基于机器学习模型的个性化治疗方案推荐算法专家系统，采集专病数据库中的病例数据对专家系统进行训练，训练完成的专家系统对病患进行治疗方案的推荐，同时模型继续在线训练，使之更加完善；

输入数据建立模块，其建立输入数据，读入当前需要进行诊疗的病患基本信息、病患病灶信息；

第一部分预测模块，其进行第一部分预测，将病患数据与鲜红斑痣的专病数据库通过无监督机器学习模型进行数据匹配，并选出与其最为匹配的几例过往病例作为相似病例的推荐，并以此作为最终预测结果的一部分；

第二部分预测模块，其进行第二部分预测，将当前病患的数据作为输入，通过训练完毕的模型对输入数据进行回归分析得出当前病患的预测治疗方案推荐；

输出模块，其输出结果，将有监督模型的预测输出与无监督模型的治疗方案进行加权处理，其结果作为个性化治疗方案推荐系统的最终输出；

其中所述专家系统模型建立模块包括：

数据提取及清洗单元，其提取专病数据库中的数据并进行数据清洗：去除统计异常的样本；对于存在较少缺失值的特征用众数、平均值的方式进行填充；观察数据是否均衡，对于某一特征值样本较少的时候适当对此特征进行加权或忽略；对连续数据进行归一化或者是标准化处理；对离散数据进行分箱处理；对特殊数据进行指数或对数变换；特征提取单元，其对数据进行特征工程：根据病例信息逻辑生成新的特征；若特征维度较高采用PCA矩阵分解算法进行特征降维；采用Filter、Wrapper或Embedded方式对特征进行选择，计算不同特征值之间的相关性、互信息、相关距离指标衡量特征之间的隐含关系，并采用一个回归模型计算特征对于预测值的权重，从而标定其相对重要性，最后确定需要进行训练的特征。

2.根据权利要求1所述的基于血管靶向光动力疗法的鲜红斑痣处理系统，其特征在于：所述输入数据建立模块执行：

将当前病患的基本信息，病灶信息数据作为输入X与鲜红斑痣数据库内的历史数据通过相似度模型进行相似性匹配，采用皮尔森相关系数ρ作为病例样本间的相似性度量，并指定一个阈值τ，选出与当前病患特征值最为匹配，病例样本间皮尔森相关系数大于等于阈值，的n例历史病例；将历史病例按照皮尔森相关系数ρ的降序顺序排列，并令其各自的相关系数为ρ₁，ρ₂...ρ_n；则每个所选相似历史病例实际治疗剂量对应的权值为：

式中λ＝0.9为衰减因子，权值的公式说明对于相关系数越小的病例来说对于模型预测的影响也越小，最后的加权结果作为最终治疗方案推荐的一部分。

3.根据权利要求2所述的基于血管靶向光动力疗法的鲜红斑痣处理系统，其特征在于：所述第一部分预测模块，将专家系统模型建立模块中特征所对应专病数据库中历史数据X作为输入数据，输入至有监督机器学习模型中进行训练，基于机器学习中集成学习方法，同时训练大于5个的基学习器，其中包括随机森林RF，决策树DT，梯度提升树GBDT，极端随机森林ETR，神经网络ANNs(浅层)；在训练完基学习器后进行加权平均、投票或者是采用Stacking方法再次进行次级学习器的训练；当集成学习模型对于历史数据训练完成后，其对当前病患数据的最终预测结果Y_ES作为最终治疗方案推荐的另一部分。

4.根据权利要求3所述的基于血管靶向光动力疗法的鲜红斑痣处理系统，其特征在于：所述第二部分预测模块中，将输入数据建立模块与第一部分预测模块输出的治疗方案进行加权，其第一部分预测模块中的预测治疗方案权值为最终的推荐治疗方案为Y＝Y_H+ω_ESY_ES。

5.根据权利要求4所述的基于血管靶向光动力疗法的鲜红斑痣处理系统，其特征在于：该系统还包括：

回传模块，其将输出模块中完整的病例信息脱敏后传回鲜红斑痣的专病数据库；

增量学习模块，其对专家系统模型进行增量学习，完成专家系统的在线训练。