[发明专利]基于数据挖掘与状态学习的医师操作手法模拟方法

权利要求书

1.一种基于数据挖掘与状态学习的医师操作手法模拟方法，其特征在于步骤如下：

步骤1：利用自由臂三维超声成像系统，记录医师手持超声探头在人体不同组织部位进行超声扫描过程中每个扫描点的法向量N，利用超声探头前端贴附的力传感器，记录扫描过程中每个扫描点的超声探头与人体组织部位接触面的压力值F，记当前扫描到的超声图像质量评价值为Q，三者形成医师手法特征样本x＝(N,Q,F)^T；

步骤2：采用步骤1的方法进行数据采集，设采集到的医师手法数据集为X＝{x₁,x₂,...,x_n}，其中，n为该手法数据集样本总数，每一个样本x_i＝(N_i,Q_i,F_i)^T，i＝1,2,...,n；

使用模糊C均值聚类算法对数据集X进行聚类处理，得到两个数据集，分别记为普通区域数据集X₁和感兴趣区域数据集X₂，数据集X₂的统计方差大于数据集X₁的统计方差；

步骤3：由感兴趣区域数据集X₂中随机选定待建模子集T，并由T中统计出非重复操作手法构成状态空间S＝{s₁,s₂,...,s_m}，其中，s_i＝(N_i,Q_i,F_i)^T表示第i种操作手法的状态，m为状态取值个数，i＝1,2,...,m；

按照以下公式计算得到医师在做超声扫描过程中从第i种手法转移到第j种手法的一步转移概率：

其中，P(s_j|s_i)表示从第i种手法转移到第j种手法的一步转移概率，k_j表示该状态转移到s_j状态的次数，K_i表示该状态转移到自身或下一个状态的总次数；i＝1,2,...,m，j＝1,2,...,m；

按照下式计算得到子集T的一步状态转移矩阵P：

其中，p_ij＝P(s_j|s_i)，i＝1,2,...,m，j＝1,2,...,m；

按照下式计算得到状态s_i的初始分布：

其中，p_i(0)表示状态s_i的初始分布，ξ_i表示状态s_i的操作手法出现的次数，[T]为子集T中的手法样本个数，i＝1,2,...,m；

步骤4：按照下式计算医师第n次操作时的不同操作手法出现的概率：

其中，P_iⁿ为第n次操作时第i种操作手法的出现概率；

以出现概率最大的操作手法作为医师第n次操作时的手法。