一种基于神经网络的肾脏透析用血红蛋白水平预测系统技术方案

本发明专利技术涉及医疗保健信息学技术领域，具体涉及一种基于神经网络的肾脏透析用血红蛋白水平预测系统。该系统采集人体指端血红蛋白水平信号集；对血红蛋白水平信号进行分解获得IMF分量曲线，对IMF分量曲线进行分割，获得分割曲线；根据分割曲线之间的第一相似度，获取模式序列；将不同模式下的模式序列进行组合，构建多模式矩阵，根据多模式矩阵之间特征向量的第二相似度筛选出目标特征向量；获取IMF分量曲线的频率，调整目标特征向量之间的向量相似度，获得趋势相近度，根据趋势相近度获得血红蛋白水平信号组；分时间段将不同血红蛋白水平信号组输入到神经网络中进行训练，完成对神经网络训练。提高神经网络的预测准确性。提高神经网络的预测准确性。提高神经网络的预测准确性。

【技术实现步骤摘要】
一种基于神经网络的肾脏透析用血红蛋白水平预测系统


[0001]本专利技术涉及医疗保健信息学
，具体涉及一种基于神经网络的肾脏透析用血红蛋白水平预测系统。

技术介绍

[0002]现有方法一般采用神经网络对血红蛋白水平信号进行预测，在使用神经网络之前需要对神经网络进行训练，才能确保神经网络预测数据的准确性。由于不同人的血红蛋白水平信号的变化波动不同，通过神经网络的训练结果也会不稳定，若采集大量不同人的血红蛋白水平信号，会使得操作不方便，同时依然存在训练结果不稳定的状况，进而导致神经网络的训练效果不好，使得实际的预测效果不准确。

技术实现思路

[0003]为了解决血红蛋白水平信号的变化波动不同，导致神经网络的预测结果不准确的技术问题，本专利技术的目的在于提供一种基于神经网络的肾脏透析用血红蛋白水平预测系统，所采用的技术方案具体如下：本专利技术实施例中提供了一种基于神经网络的肾脏透析用血红蛋白水平预测系统，该系统包括以下：数据采集模块，用于采集人体指端血红蛋白水平信号集；模式序列获取模块，用于对每条血红蛋白水平信号进行分解获得不同模式下的IMF分量曲线，根据每条所述IMF分量曲线的周期对每条所述IMF分量曲线进行分割，获得至少两条分割曲线；根据每条所述IMF分量曲线对应的所述分割曲线之间的第一相似度，获取每个模式下的模式序列；目标特征向量获取模块，用于将目标模式与其他模式的所述模式序列组合成所述目标模式的多模式矩阵，根据所述多模式矩阵之间特征向量的第二相似度筛选出所述目标模式下的目标特征向量；获得每条所述血红蛋白水平信号中每个模式下的所述目标特征向量；血红蛋白水平信号组获取模块，用于以每个模式对应的所述IMF分量曲线的频率作为权重，调整任意两条所述血红蛋白水平信号内不同模式之间所述目标特征向量的向量相似度，获得趋势相近度，根据所述趋势相近度对不同所述血红蛋白水平信号进行分组，获得血红蛋白水平信号组；神经网络训练模块，分时间段将不同所述血红蛋白水平信号组输入到神经网络中进行训练，完成对神经网络训练；神经网络应用模块，将实际血红蛋白水平信号输入到训练好的神经网络中，获得预测序列。
[0004]进一步地，所述模式序列的获取方法，包括：任意选取一条IMF分量曲线作为目标IMF分量曲线，计算目标IMF分量曲线内的每
条分割曲线与目标IMF分量曲线内的其他所有分割曲线之间的第一相似度，将每条分割曲线对应的第一相似度相加的结果作为每条分割曲线的整体相似度，将最大的整体相似度对应的分割曲线作为所述目标IMF分量曲线对应模式下的所述模式序列。
[0005]进一步地，所述多模式矩阵的获取方法，包括：将至少两个不同模式下的模式序列分别作为矩阵的每一行，将元素最多的模式序列中的元素数量作为基础数量，通过插值法将每个模式序列中的元素数量与基础数量保持一致，组合成为一个多模式矩阵。
[0006]进一步地，所述目标特征向量的获取方法，包括：设置第二相似度阈值，计算每个所述多模式矩阵中每个特征向量与其他多模式矩阵中的所有特征向量之间的所述第二相似度，将所述第二相似度大于第二相似度阈值的两个所述特征向量构成特征向量匹配组；若所述特征向量匹配组之间存在公共特征向量，则将对应所述特征向量匹配组合并，获得所有合并特征向量匹配组；以包含所述特征向量最多的所述合并特征向量匹配组中的平均特征向量作为对应模式下的所述目标特征向量。
[0007]进一步地，所述向量相似度的获取方法，包括：将任意两条血红蛋白水平信号内不同模式的所述目标特征向量进行一对一匹配获得匹配对，获取任意一个匹配对中的两个目标特征向量对应的频率的均值作为匹配对的权重，获取匹配对之间的余弦相似度作为第三相似度，将权重与第三相似度的乘积作为对应匹配对的向量相似度。
[0008]进一步地，所述趋势相近度的获取方法，包括：获取任意两条血红蛋白水平信号中的所有匹配对的向量相似度的和作为两条血红蛋白水平信号之间的趋势相近度。
[0009]进一步地，所述根据所述趋势相近度对不同所述血红蛋白水平信号进行分组的方法，包括：将趋势相近度进行归一化处理，获得归一化后的趋势相近度，设置趋势相近度阈值，当归一化后的趋势相近度大于趋势相近度阈值时，将对应的两条血红蛋白水平信号划分为同一个血红蛋白水平信号组。
[0010]进一步地，所述多模式矩阵的特征向量的获取方法，包括：通过奇异值分解SVD算法对每个多模式矩阵进行分解获得每个多模式矩阵的特征向量。
[0011]本专利技术具有如下有益效果：对每条血红蛋白水平信号进行分解获得不同模式下的IMF分量曲线，便于对血红蛋白水平信号进行详细的分析，容易获取任意两条血红蛋白水平信号之间的趋势相近度；进而根据每条IMF分量曲线的周期对每条IMF分量曲线进行分割，使得获得的分割曲线能充分反映每条IMF分量曲线的特征；根据分割曲线之间的第一相似度，获取每个模式下的模式序列，根据模式序列获取对应的目标特征向量；因为每个模式下的IMF分量曲线的频率能部分反映血红蛋白水平信号的变化波动，因此以每个模式对应的IMF分量曲线的频率作为权重，调整任意两条血红蛋白水平信号内不同模式之间目标特征向量的向量相似度，获得趋势相近度，更能充分反映出血红蛋白水平信号之间的相似程度，进而对血红蛋白水平信号
进行分组，获得血红蛋白水平信号组，分时间段将不同血红蛋白水平信号组输入到神经网络中进行训练，提高神经网络对不同血红蛋白水平信号的预测能力，同时减少神经网络的训练时长，使得神经网络更快的收敛，当实际血红蛋白水平信号输入到训练好的神经网络时，有助于提高预测精度。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0013]图1为本专利技术一个实施例所提供的一种基于神经网络的肾脏透析用血红蛋白水平预测系统的结构框图。
具体实施方式
[0014]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于神经网络的肾脏透析用血红蛋白水平预测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0015]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0016]下面结合附图具体的说明本专利技术所提供的一种基于神经网络的肾脏透析用血红蛋白水平预测系统的具体方案。
[0017]请参阅图1，其示出了本专利技术一个实施例提供的一种基于神经网络的肾脏透析用血红蛋白水平预测系统的结构框图，该系统包括：数据采集模块10、模式序列获取模块20、目标特征向量获取模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的肾脏透析用血红蛋白水平预测系统，其特征在于，所述系统包括：数据采集模块，用于采集人体指端血红蛋白水平信号集；模式序列获取模块，用于对每条血红蛋白水平信号进行分解获得不同模式下的IMF分量曲线，根据每条所述IMF分量曲线的周期对每条所述IMF分量曲线进行分割，获得至少两条分割曲线；根据每条所述IMF分量曲线对应的所述分割曲线之间的第一相似度，获取每个模式下的模式序列；目标特征向量获取模块，用于将目标模式与其他模式的所述模式序列组合成所述目标模式的多模式矩阵，根据所述多模式矩阵之间特征向量的第二相似度筛选出所述目标模式下的目标特征向量；获得每条所述血红蛋白水平信号中每个模式下的所述目标特征向量；血红蛋白水平信号组获取模块，用于以每个模式对应的所述IMF分量曲线的频率作为权重，调整任意两条所述血红蛋白水平信号内不同模式之间所述目标特征向量的向量相似度，获得趋势相近度，根据所述趋势相近度对不同所述血红蛋白水平信号进行分组，获得血红蛋白水平信号组；神经网络训练模块，分时间段将不同所述血红蛋白水平信号组输入到神经网络中进行训练，完成对神经网络训练；神经网络应用模块，将实际血红蛋白水平信号输入到训练好的神经网络中，获得预测序列。2.如权利要求1所述的一种基于神经网络的肾脏透析用血红蛋白水平预测系统，其特征在于，所述模式序列的获取方法，包括：任意选取一条IMF分量曲线作为目标IMF分量曲线，计算目标IMF分量曲线内的每条分割曲线与目标IMF分量曲线内的其他所有分割曲线之间的第一相似度，将每条分割曲线对应的第一相似度相加的结果作为每条分割曲线的整体相似度，将最大的整体相似度对应的分割曲线作为所述目标IMF分量曲线对应模式下的所述模式序列。3.如权利要求1所述的一种基于神经网络的肾脏透析用血红蛋白水平预测系统，其特征在于，所述多模式矩阵的获取方法，包括：将至少两个不同模式下的模式序列分别作为矩阵的每一行，将元素最多的模式序列中的元素数量作为基础数量，通过插值法将每个模式...

【专利技术属性】
技术研发人员：王静，
申请(专利权)人：汶上县人民医院，
类型：发明
国别省市：