【技术实现步骤摘要】
本专利技术涉及计算机领域，尤其涉及基于激光美容患者需求度的辅助决策系统。
技术介绍
1、如今，激光美容
已经经历了显著的发展。特别是在过去几年中，皮肤病学设备市场经历了显著增长，预计到2025年将达到257亿美元的市场价值。这部分归因于患者对美容手术的接受度提高，从而促使对美容服务的需求增加，进一步推动了技术发展，以改善设备和提升治疗技术，以期达到更好的治疗结果。
2、近年来，激光治疗领域的进展不断优化、简化和自动化治疗设备，使它们更易于访问、更高效且尽可能非侵入性。特别是，自动化正在成为更普遍的特征，例如，人工智能最近被引入到整形外科手术过程中，这改变了提供者和机器的角色。据专家表示，美容医学是越来越多地采用机器操作作为一种方法，如https://www.livderm.org/latest-advancements-in-laser-technology/所示，以精确的数据和技术提高治疗效果，但其引入的人工智能多应用于治疗算法，其主要局限性包括：
3、1，个性化治疗的局限性：现有技术在提供个性化治疗方案方面存在局限性。这些技术通常侧重于通用的治疗方法，而不是基于患者具体需求度的个性化推荐。
4、2，患者和技术相关的因素：激光技术的效果受多种因素影响，包括患者的皮肤类型、颜色、密度等，技术相关因素如激光系统的波长、能量密度、斑点大小和脉冲持续时间。这表明现有技术在适应不同患者需求方面仍存在挑战。
5、3，技术的局限性：在某些情况下，如用于深色皮肤的激光脱毛，现有技术可能无法
技术实现思路
1、为了克服上述技术缺陷，本专利技术的目的在于提供基于激光美容患者需求度的辅助决策系统，包括输入模块，图像处理模块，推荐算法模块，反馈模块，其中：
2、输入模块，用于通过小程序获取用户图片和患者需求，并输入系统，所述患者需求通过对话获取；
3、图像处理模块，用于处理输入图像和文字，包括特征提取模型，语言模型，编码器和解码器；
4、推荐算法模块，用于采用基于特征交互的会话推荐模型，所述会话推荐模型为用户会话偏好编码器；
5、反馈模块，用于将决策结果反馈给用户。
6、进一步的，所述特征提取模型为cnn(convolutional neural networks)卷积神经网络，采用固定长度矢量的形式提取给定图像显著特征，提取的特征是图像的内部表示。
7、进一步的，所述语言模型采用递归神经网络，根据序列中已存在的单词来预测序列中下一个单词的概率。
8、进一步的，所述语言模型收集单词在整个输出词汇表中的概率分布，并对其进行搜索以生成多个可能的描述。
9、进一步的，编码器网络是深度卷积神经网络，而解码器网络是lstm(long short-term memory长短期记忆网络)层的堆栈。
10、进一步的，所述用户会话偏好编码器包括gru(gated recurrent unit门控循环单元)层，局部偏好层，加强会话偏好层，推荐预测层，其中：
11、所述gru层用于解决标准循环神经网络中的梯度消失问题；
12、所述局部偏好层用于提取用户每轮对话的偏好；
13、加强会话偏好层用于增加提取用户偏好的权重；
14、推荐预测层用于预测用户的偏好并给出概率值。
15、进一步的，gru层将用户的输入序列中的每个物品的嵌入矩阵转换为一个固定维度大小的向量表示序列{hm，1，hm，2，...，hm，t}，h∈rd，对用户会话的每个时间步的信息所构成的序列进行聚合表示；再经过非线性激活函数，得到向量表示，将向量与参数矩阵进行乘法，得到每个时刻i的注意力得分。
16、进一步的，所述局部偏好层使用softmax函数对所述注意力得分进行归一化处理，记做αm,i，其中m表示m个会话编码器的会话内物品序列层级注意力权重，exp表示将特征指数性放大，∑求和exp做归一化处理，表示如下：
17、
18、上式表示用户多轮会话中的第m个会话序列中的重要性表达，如果该分值高，则意味着注意力权重高，也意味着该表达相对重要，需要被加强，采用加强聚合后得到局部偏好。
19、进一步的，所述加强会话偏好层，将局部偏好与会话进行线性连接，得到加强会话偏好，其中第m个会话偏好记做cs,m，权重矩阵为w3∈r**(2d*d)，用于将结合后的向量压缩到r**d维度的向量空间中，会话偏好表示为：
20、
21、进一步的，所述推荐预测层，将用户会话的总体特征乘以会话的待选分诊项目的嵌入矩阵，计算患者可能需要的项目的得分为：
22、
23、其中emb表示待预测的项目集合中第i个项目所对应的嵌入矩阵，维度大小为d，o为可训练参数，用于将会话表达cs,m和项目的嵌入表达emb映射到同一个向量空间中；采用softmax函数得到模型对待选项目的预测结果：
24、
25、其中z∈r**l，l表示待选项目的数量，即l＝|v|，z表示对待选项目的预测得分，y表示待选项目列表的预测概率。
26、采用了上述技术方案后，与现有技术相比，具有以下有益效果：
27、1.诊前评估：算法着重于在患者正式开始治疗前的评估阶段，帮助患者和医生了解患者的具体情况，以及可能的治疗方案。
28、2.个性化建议：它提供基于患者特定需求和条件的个性化治疗建议，这在现有的以治疗为中心的人工智能算法中是不常见的。
29、3.辅助决策：此算法通过智能分析患者提供的信息，辅助医生和患者做出更加明智的决策，从而提高治疗效果和患者满意度。
30、4.提高运算效率：通过结合cnn和lstm的深度学习模型，本系统能够快速且准确地分析患者上传的图片。相比传统的图像分析方法，这种组合模型能够更有效地处理大量数据，提高整体的运算效率。
31、5.精度提高：本专利技术利用先进的深度学习技术，能够精确提取图像中的关键指标，如毛孔大小、红斑程度等。这种精确的数据提取，相比于传统的人工评估方法，大大提高了诊断的精度和可靠性。
32、6.工序简化：本技术解决方案通过自动化的图像和数据分析简化了诊前评估的工序。医生和患者可以直接利用算法的分析结果进行治疗决策，减少了繁杂的人工操作和判断，使诊疗流程更加高效和简洁。
33、7.控制方便:由于该系统是基于软件的，所以易于控制和更新。医院和诊所可以根据需要调整算法设置，以适应不同的治疗需求和条件。
34、8.提高诊疗效果：通过为患者提供更精确的治疗建议，本专利技术增强了治疗的个性化和目标性，从而提高了治疗的总体效果。
35、9.增强患者体验：快速准确的诊断和治疗建议不仅提高了诊疗效率，还增强了患者的信心和满意度。患者能够获得更本文档来自技高网...
【技术保护点】
1.基于激光美容患者需求度的辅助决策系统，其特征在于，包括输入模块，图像处理模块，推荐算法模块，反馈模块，其中：
2.根据权利要求1所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述特征提取模型为CNN神经网络，采用固定长度矢量的形式提取给定图像显著特征，提取的特征是图像的内部表示。
3.根据权利要求1所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述语言模型采用递归神经网络，根据序列中已存在的单词来预测序列中下一个单词的概率。
4.根据权利要求3所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述语言模型收集单词在整个输出词汇表中的概率分布，并对其进行搜索以生成多个可能的描述。
5.根据权利要求1所述的基于激光美容患者需求度的辅助决策系统，其特征在于，编码器网络是深度卷积神经网络，而解码器网络是LSTM层的堆栈。
6.根据权利要求1所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述用户会话偏好编码器包括GRU层，局部偏好层，加强会话偏好层，推荐预测层，其中：
7.根据权
8.根据权利要求7所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述局部偏好层使用softmax函数对所述注意力得分进行归一化处理，记做αm,i，其中m表示m个会话编码器的会话内物品序列层级注意力权重，exp表示将特征指数性放大，∑求和exp做归一化处理，表示如下：
9.根据权利要求5所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述加强会话偏好层，将局部偏好与会话进行线性连接，得到加强会话偏好，其中第m个会话偏好记做Cs,m，权重矩阵为W3∈R**(2d*d)，用于将结合后的向量压缩到R**d维度的向量空间中，会话偏好表示为：
10.根据权利要求9所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述推荐预测层，将用户会话的总体特征乘以会话的待选分诊项目的嵌入矩阵，计算患者可能需要的项目的得分为：
...【技术特征摘要】
1.基于激光美容患者需求度的辅助决策系统，其特征在于，包括输入模块，图像处理模块，推荐算法模块，反馈模块，其中：
2.根据权利要求1所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述特征提取模型为cnn神经网络，采用固定长度矢量的形式提取给定图像显著特征，提取的特征是图像的内部表示。
3.根据权利要求1所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述语言模型采用递归神经网络，根据序列中已存在的单词来预测序列中下一个单词的概率。
4.根据权利要求3所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述语言模型收集单词在整个输出词汇表中的概率分布，并对其进行搜索以生成多个可能的描述。
5.根据权利要求1所述的基于激光美容患者需求度的辅助决策系统，其特征在于，编码器网络是深度卷积神经网络，而解码器网络是lstm层的堆栈。
6.根据权利要求1所述的基于激光美容患者需求度的辅助决策系统，其特征在于，所述用户会话偏好编码器包括gru层，局部偏好层，加强会话偏好层，推荐预测层，其中：
7.根据权利要求6所述的基于激光美容患者需求度的辅助决策系统，其特征在...
【专利技术属性】
技术研发人员：陆文婷，侯黎莉，王棽，
申请(专利权)人：上海交通大学医学院附属第九人民医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。