[发明专利]一种基于机器学习的病人乳房切除后的步态评估方法

说明书

本发明一种基于机器学习的病人乳房切除后的步态评估方法，包括以下步骤：步骤S1：通过样本采集传感器获取多位研究对象术前和术后在移动中躯干的移动信号为多个样本数据集；步骤S2：对样本数据集和目标数据集进行数据预处理，从而分别得到预处理样本数据集和预处理目标数据集；步骤S3：将多个预处理样本数据集按比例分为训练样本数据集和验证样本数据集；步骤S4：构建BP神经网络；步骤S5：优化BP神经网络得到GA‑BP神经网络；步骤S6：通过训练样本数据集对BP神经网络和GA‑BP神经网络进行训练；步骤S7：通过验证样本数据集验证BP神经网络和GA‑BP神经网络的准确率；步骤S8：将预处理目标数据集输入到训练完成的BP神经网络或GA‑BP神经网络中得到评估结果。

技术领域

本发明涉及计算机辅助医学技术领域，具体涉及一种基于机器学习的病人乳房切除后的步态评估方法。

背景技术

乳腺癌是全世界女性中最普遍的恶性肿瘤,占全球新发癌症病例的29％,根据当前记录的乳腺癌患者人数，估计到2030年可能有2300万人患有乳腺癌，而且尽管现有技术中已有足够的治疗方法，但乳腺癌的治疗和治愈仍然是这种疾病临床治疗的一个障碍。

目前临床上的治疗方法主要以手术为主，其中，乳房切除术是最常用的手术治疗方法。然而经研究显示,乳房切除手术后，女性会因身体的变化而影响到自我价值感，从而可能会产生抑郁的情绪。并且乳房切除手术后还可能会破坏患者的机体平衡，影响躯体姿势。尤其是全乳房切除术，也就是完全切除患病的乳房后，单侧乳房的缺失会使患者因左右侧胸壁重量的改变影响患者的躯体姿势，从而改变患者的步态稳定，最终影响脊柱平衡。

并且脊柱侧弯是单侧乳腺切除术后的常见表现，手术前无脊柱侧弯的患者中，无论全切除左乳还是全切除右乳，手术后均有超过70.0％的患者发生脊柱侧弯。而脊柱侧弯一旦发生，则会引起肩痛、腰背痛或神经损伤等症状，导致患者的生活质量受到严重影响。

但是又因为女性每个胸部平均占身体脂肪的4％—5％,占身体总重的1％，不会对人体形态和步态产生明显影响，所以肉眼很难发现其细微差别，使得脊柱侧弯在生活中不易被发现。因此对于乳房切除手术后患者脊柱侧弯的早期诊断、干预和治疗有着重要的意义。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于机器学习的病人乳房切除后的步态评估方法。

本发明提供了一种基于机器学习的病人乳房切除后的步态评估方法，具有这样的特征，包括以下步骤：

步骤S1：依据数据采集标准选取多位研究对象，并通过样本采集传感器获取多位研究对象术前和术后在移动中躯干的移动信号为多个样本数据集，并选取其中一个样本数据集作为目标数据集；

步骤S2：对样本数据集和目标数据集进行数据预处理，从而分别得到预处理样本数据集和预处理目标数据集；

步骤S3：将多个预处理样本数据集按比例分为训练样本数据集和验证样本数据集；

步骤S4：以Sigmoid函数作为激活函数，并采用反向传播算法构建BP神经网络，BP神经网络包括输入层、隐藏层以及输出层；

步骤S5：使用遗传算法优化BP神经网络得到GA-BP神经网络；

步骤S6：通过训练样本数据集对BP神经网络和GA-BP神经网络进行训练，并比较BP神经网络和GA-BP神经网络的训练结果；

步骤S7：将验证样本数据集输入BP神经网络和GA-BP神经网络，验证BP神经网络和GA-BP神经网络训练完成后的准确率；

步骤S8：将预处理目标数据集输入到训练完成的BP神经网络或GA-BP神经网络中，得到评估结果。