[发明专利]基于医学影像算法和区块链的疾病预测系统

权利要求书

1.基于医学影像算法和区块链的疾病预测系统，其特征在于，所述疾病预测系统包括疾病预测模型构建模块和疾病预测模块；

所述疾病预测模型构建模块包括区块链存储单元、数据处理单元和模型构建单元，所述区块链存储单元中存储有患者的疾病类型、该患者的历史诊疗数据和医学图像，所述数据处理单元从区块链存储单元中调取患者的历史诊疗数据和医学图像进行处理，并将处理后的历史诊疗数据和医学图像作为用于训练和测试疾病预测模型的输入值，将该患者的疾病类型作为用于训练和测试疾病预测模型的输出值，从而建立样本集，所述模型构建单元采用所述样本集对BP神经网络进行训练和测试，从而建立基于BP神经网络的疾病预测模型；

所述疾病预测模块获取待预测患者的诊疗数据和医学图像，并通过数据处理单元对获取的诊疗数据和医学图像进行处理，将处理后的诊疗数据和医学图像输入至构建的疾病预测模型中，从而获得待预测患者的预测疾病类型。

2.根据权利要求1所述的基于医学影像算法和区块链的疾病预测系统，其特征在于，所述数据处理单元包括诊疗数据处理部分和医学图像处理部分，所述诊疗数据处理部分用于对诊疗数据进行滤波处理，所述医学图像处理部分用于对医学图像进行滤波处理，并对滤波处理后的医学图像进行特征提取，将滤波处理后的诊疗数据和提取的医学图像的特征作为疾病预测模型的输入值。

3.根据权利要求2所述的基于医学影像算法和区块链的疾病预测系统，其特征在于，设I表示医学图像，所述医学图像处理部分用于对医学图像I进行滤波处理，设I(x，y)表示医学图像I中坐标(x，y)处的像素，Ω(x，y)表示以像素I(x，y)为中心的M×M的局部区域，其中，M为给定的正整数，设f′(x，y)表示对像素I(x，y)滤波处理后的灰度值，则f′(x，y)的值采用下列方式确定：

(1)对局部区域Ω(x，y)中的像素进行预处理，设F(x，y)表示像素I(x，y)经预处理后的灰度值，则F(x，y)的表达式为：

其中，I(m，n)表示局部区域Ω(x，y)中坐标(m，n)处的像素，f(m，n)表示像素I(m，n)的灰度值，σ_d表示空间域滤波控制因子，σ_r表示灰度域滤波控制因子；

(2)根据局部区域Ω(x，y)中预处理后的像素确定f′(x，y)的值：

式中，K_(x，y)(m，n)表示在对像素I(x，y)进行滤波处理时像素I(m，n)的空间域滤波权值，且R_(x，y)(m，n)表示在对像素I(x，y)进行滤波处理时像素I(m，n)的灰度域滤波权值，R_(x，y)(m，n)的值为；

其中，r_(x，y)(m，n)表示像素I(m，n)和像素I(x，y)之间的基础灰度差值系数，且其中，F(m，n)表示像素I(m，n)经预处理后的灰度值，θ_(x，y)(m，n)表示像素I(m，n)和像素I(x，y)之间的灰度补偿系数，设F′(m，n)表示像素I(m，n)的异常灰度值，且F′(m，n)＝f(m，n)-F(m，n)，则θ_(x，y)(m，n)的值为：

其中，Ω′(x，y)表示以像素I(x，y)为中心的3×3的局部邻域，Ω′(m，n)表示以像素I(m，n)为中心的3×3的局部邻域，F′(x，y)表示像素I(x，y)的异常灰度值；

F″(m，n)表示像素I(m，n)的参考灰度值，设I(c，d)表示局部邻域Ω′(m，n)中坐标(c，d)处的像素，且则F″(m，n)的值为：

F″(m，n)＝f(c，d)

式中，f(c，d)表示像素I(c，d)的灰度值。

4.根据权利要求1-3任一项所述的基于医学影像算法和区块链的疾病预测系统，其特征在于，模型构建单元采用样本集对BP神经网络进行训练和测试，引入布谷鸟搜索算法优化所述BP神经网络的权值和阈值，在所述布谷鸟搜索算法中，通过莱维飞行模式对鸟巢位置进行更新后，根据发现概率p_a选取部分鸟巢位置进行随机更新，具体为：

在第(t+1)次莱维飞行更新后，在种群中选取鸟巢位置进行随机更新，具体包括：

(1)设B(t+1)表示在第(t+1)次莱维飞行更新后种群中鸟巢位置组成的集合，给定阈值d(t+1)，对集合B(t+1)中的鸟巢位置进行子集合的划分：设b₁(t+1)表示对集合B(t+1)中的鸟巢位置进行划分所得的第1个子集合，选取集合B(t+1)中适应度函数值最小的鸟巢位置加入到子集合b₁(t+1)中，并将集合B(t+1)中和该鸟巢位置之间的欧式距离小于等于阈值d(t+1)的鸟巢位置加入到子集合b₁(t+1)中；设b₂(t+1)表示对集合B(t+1)中的鸟巢位置进行划分所得的第2个子集合，选取集合B(t+1)中适应度函数值最小的未划分的鸟巢位置加入到子集合b₂(t+1)中，并将集合B(t+1)中和该鸟巢位置之间的欧式距离小于等于阈值d(t+1)的未划分的鸟巢位置加入到子集合b₂(t+1)中；继续采用上述方法对集合B(t+1)中剩余的未划分的鸟巢位置进行划分，直到集合B(t+1)中的鸟巢位置都被划分完，则停止划分；

(2)对种群中的鸟巢位置进行检测，设X_i(t+1)表示种群中的第i个鸟巢在第(t+1)次莱维飞行更新后的位置，X_i(t)表示种群中第i个鸟巢在第t次莱维飞行更新后的位置，当鸟巢位置X_i(t+1)满足：X_i(t+1)＝X_i(t)时，则将鸟巢位置X_i(t+1)标注为1；

(3)对各子集合中标注为1的鸟巢位置进行随机更新，设b_j(t+1)表示对集合B(t+1)中的鸟巢位置进行划分所得的第jj个子集合，将子集合b_j(t+1)中标注为1的鸟巢位置按照适应度函数值由小到大进行排序组成序列设表示序列中的第l个鸟巢位置，则采用下列方式对鸟巢位置进行随机更新：

定义Q_j(t+1)表示子集合b_j(t+1)的局部检测系数，且Q_j(t+1)的计算公式为：

其中，m(t+1)表示对集合B(t+1)中的鸟巢位置进行划分所得的子集合数，m_j(t+1)表示子集合b_j(t+1)中的鸟巢位置数，表示子集合b_j(t+1)中标注为1的鸟巢位置数，u_j(t+1)表示子集合b_j(t+1)的空间检测系数，且X_j，k(t+1)表示子集合b_j(t+1)中的第k个鸟巢位置，X_j，g(t+1)表示子集合b_j(t+1)中的第g个鸟巢位置，h_j，k(t+1)表示鸟巢位置X_j，k(t+1)的适应度函数值，h_j，g(t+1)表示鸟巢位置X_j，g(t+1)的适应度函数值，u′(t+1)表示对集合B(t+1)中的鸟巢位置进行划分所得的子集合的空间检测系数的中值，且表示计算中值函数，表示子集合b_j(t+1)的第一局部检测函数，目表示子集合b_j(t+1)的第二局部检测函数，且表示子集合b_j(t+1)的第三局部检测函数，且

定义表示对鸟巢位置进行随机更新的概率，且的表达式为：

其中，表示鸟巢位置产生的0到1之间的随机数，表示鸟巢位置的属性值，且表示鸟巢位置对应的鸟巢在第τ次莱维飞行更新后的鸟巢位置，表示鸟巢位置和鸟巢位置之间的判断函数，且

当鸟巢位置满足：时，则不对鸟巢位置进行随机更新，当鸟巢位置满足：且Q_j(t+1)＝1时，则采用下列方式对鸟巢位置进行随机更新，从而获得新的鸟巢位置

其中，rand表示产生0到1之间的随机数，和为随机从子集合b_j(t+1)中选取的两个鸟巢位置，且

当鸟巢位置满足：且Q_j(t+1)＝0时，则采用下列方式对鸟巢位置进行随机更新：

其中，和为随机从种群中选取的两个鸟巢位置，且

执行选择操作：只有当新的鸟巢位置满足：时，令鸟巢位置代替鸟巢位置否则，舍弃新的鸟巢位置并且保留原鸟巢位置其中，表示鸟巢位置的适应度函数值，表示鸟巢位置的适应度函数值。