【技术实现步骤摘要】
本专利技术涉及深度学习，尤其涉及一种用于电休克治疗抑郁症的治疗效果评估系统及方法。
技术介绍
1、对于重度抑郁症的患者，如果服用药物效果不理想，可以选择电休克疗法来治疗重度抑郁症，电休克疗法一般需要对患者进行麻醉，然后用75-100v的电刺激在患者太阳穴，每次刺激0.1-1秒，3-4次治疗后能够缓解抑郁症。
2、目前，现有技术对于电休克疗法下抑郁症治疗的效果分析技术主要依靠神经网络与回归模型实现，神经网络法是指通过识别抑郁症患者的学历、身体监测数据、电休克疗法下的疗程等数据来输出抑郁症治疗的效果，然而，神经网络法的输入数据包括抑郁症患者的学历、身体监测数据、电休克疗法下的疗程等复杂数据，想要训练神经网络来将这些复杂数据与抑郁症治疗的效果联系起来的方式较为困难，难点一是输入端数据复杂多样，难点二是难以将输入端数据与输出端数据联系起来，其次，回归模型预测抑郁症治疗的效果的方式较为简单。因此，亟待一种解决方案可以平衡电休克的治疗抑郁症的治疗效果评估下的数据分析量。
技术实现思路
1、为了解决上述问题，本专利技术提供了一种用于电休克治疗抑郁症的治疗效果评估系统及方法，可以平衡电休克的治疗抑郁症的治疗效果评估下的数据分析量。
2、第一方面，本专利技术提供了一种用于电休克治疗抑郁症的治疗效果评估系统，所述系统包括：
3、状态转换模块，用于采集电休克疗法下抑郁症患者的电休克记录与抑郁状态，将所述抑郁状态转换为状态变参；
4、模型分析模块，用于分析所
5、关系识别模块，用于利用所述逻辑斯蒂回归模型从所述电休克记录中选取头实体记录，利用所述逻辑斯蒂回归模型与所述多重线性回归模型识别所述电休克记录与所述状态变参之间的实体关系；
6、变参识别模块，用于构建所述头实体记录与所述实体关系之间的二元组，计算所述二元组下的隐藏规则向量，基于所述隐藏规则向量，计算所述二元组下的尾实体概率分布，利用所述尾实体概率分布识别所述电休克记录对应的实验尾实体变参；
7、变参调整模块，用于采集所述电休克疗法的可替代疗法，分析所述可替代疗法下的对照尾实体变参，利用所述对照尾实体变参将所述实验尾实体变参调整为所述抑郁症患者的疗效分析结果。
8、在第一方面的一种可能实现方式中，所述将所述抑郁状态转换为状态变参，包括：
9、从所述抑郁状态中提取连续时段下的抑郁状态序列；
10、从所述抑郁状态序列中计算所述状态变参。
11、所述分析所述电休克记录与所述状态变参之间的逻辑斯蒂回归模型，包括：
12、计算所述电休克记录的前提下发生所述状态变参的条件概率；
13、基于所述条件概率，构建所述电休克记录与所述状态变参之间的逻辑斯蒂回归模型。
14、所述分析所述电休克记录中每个电休克记录之间的多重线性回归模型，包括：
15、构建所述电休克记录中每个电休克记录之间的多重线性回归模型。
16、所述利用所述逻辑斯蒂回归模型与所述多重线性回归模型识别所述电休克记录与所述状态变参之间的实体关系，包括：
17、利用所述逻辑斯蒂回归模型识别所述电休克记录与所述状态变参之间的电休克-状态实体关系；
18、利用所述多重线性回归模型识别所述电休克记录每个电休克记录之间的电休克-电休克实体关系；
19、将所述电休克-状态实体关系与所述电休克-电休克实体关系作为所述电休克记录与所述状态变参之间的实体关系。
20、所述构建所述头实体记录与所述实体关系之间的二元组，包括：
21、分别将所述头实体记录与所述实体关系转换为头实体向量与关系向量；
22、利用下述格式构建所述头实体向量与所述关系向量之间的三元组；
23、基于所述三元组，利用下述格式构建所述头实体向量与所述关系向量之间的二元组。
24、所述计算所述二元组下的隐藏规则向量，包括：
25、提取所述二元组下关系向量的语义向量；
26、计算所述语义向量的自注意力矩阵；
27、对所述关系向量与所述自注意力矩阵之间进行加权求和，得到隐藏规则向量。
28、所述基于所述隐藏规则向量，计算所述二元组下的尾实体概率分布，包括：
29、计算所述隐藏规则向量下的隐藏概率分布；
30、基于所述隐藏规则向量与所述隐藏概率分布，利用下述公式计算所述二元组下的尾实体概率分布。
31、所述利用所述对照尾实体变参将所述实验尾实体变参调整为所述抑郁症患者的疗效分析结果，包括：
32、计算所述对照尾实体变参与所述实验尾实体变参之间的变参相似度；
33、在所述变参相似度大于预设相似度时，计算所述实验尾实体变参的变参标准差；
34、在所述变参标准差大于预设标准差时，从所述实验尾实体变参中选取离群尾实体变参；
35、基于所述离群尾实体变参，计算所述抑郁症患者的疗效分析结果。
36、第二方面，本专利技术提供了一种用于电休克治疗抑郁症的治疗效果评估方法，包括：
37、采集电休克疗法下抑郁症患者的电休克记录与抑郁状态，将所述抑郁状态转换为状态变参；
38、分析所述电休克记录与所述状态变参之间的逻辑斯蒂回归模型，分析所述电休克记录中每个电休克记录之间的多重线性回归模型；
39、利用所述逻辑斯蒂回归模型从所述电休克记录中选取头实体记录，利用所述逻辑斯蒂回归模型与所述多重线性回归模型识别所述电休克记录与所述状态变参之间的实体关系；
40、构建所述头实体记录与所述实体关系之间的二元组，计算所述二元组下的隐藏规则向量，基于所述隐藏规则向量，计算所述二元组下的尾实体概率分布，利用所述尾实体概率分布识别所述电休克记录对应的实验尾实体变参；
41、采集所述电休克疗法的可替代疗法，分析所述可替代疗法下的对照尾实体变参，利用所述对照尾实体变参将所述实验尾实体变参调整为所述抑郁症患者的疗效分析结果。
42、与现有技术相比，本方案的技术原理及有益效果在于：
43、本专利技术实施例通过采集电休克疗法下抑郁症患者的电休克记录与抑郁状态，以用于将神经网络法中抑郁症患者学历、身体监测数据、电休克疗程等复杂数据简化为电休克记录与抑郁状态，进一步地，本专利技术实施例通过将所述抑郁状态转换为状态变参，以用于通过状态变参表征抑郁症患者在治疗期间的抑郁症等级的变化，从而将状态变参作为后续的神经网络模型的训练数据，进一步地，本专利技术实施例通过分析所述电休克记录与所述状态变参之间的逻辑斯蒂回归模型，以用于将逻辑斯蒂回归模型的输入数据与输出数据作为后续的神经网络模型的输入数据与输出数据，将逻辑斯蒂回归模型中输入数据与输出数据之间的关系复杂化为后续的神经网络本文档来自技高网...
【技术保护点】
1.一种用于电休克治疗抑郁症的治疗效果评估系统，其特征在于，所述系统包括：
2.根据权利要求1所述的系统，其特征在于，所述将所述抑郁状态转换为状态变参，包括：
3.根据权利要求1所述的系统，其特征在于，所述分析所述电休克记录与所述状态变参之间的逻辑斯蒂回归模型，包括：
4.根据权利要求1所述的系统，其特征在于，所述分析所述电休克记录中每个电休克记录之间的多重线性回归模型，包括：
5.根据权利要求1所述的系统，其特征在于，所述利用所述逻辑斯蒂回归模型与所述多重线性回归模型识别所述电休克记录与所述状态变参之间的实体关系，包括：
6.根据权利要求1所述的系统，其特征在于，所述构建所述头实体记录与所述实体关系之间的二元组，包括：
7.根据权利要求1所述的系统，其特征在于，所述计算所述二元组下的隐藏规则向量，包括：
8.根据权利要求1所述的系统，其特征在于，所述基于所述隐藏规则向量，计算所述二元组下的尾实体概率分布，包括：
9.根据权利要求1所述的系统，其特征在于，所述利用所述对照尾实体变参将所
10.一种用于电休克治疗抑郁症的治疗效果评估方法，其特征在于，所述方法包括：
...【技术特征摘要】
1.一种用于电休克治疗抑郁症的治疗效果评估系统，其特征在于，所述系统包括：
2.根据权利要求1所述的系统，其特征在于，所述将所述抑郁状态转换为状态变参，包括：
3.根据权利要求1所述的系统，其特征在于，所述分析所述电休克记录与所述状态变参之间的逻辑斯蒂回归模型，包括：
4.根据权利要求1所述的系统，其特征在于，所述分析所述电休克记录中每个电休克记录之间的多重线性回归模型，包括：
5.根据权利要求1所述的系统，其特征在于，所述利用所述逻辑斯蒂回归模型与所述多重线性回归模型识别所述电休克记录与所述状态变参之间的实体关系，包...
【专利技术属性】
技术研发人员：郑伟，韦鑫，苏之昂，
申请(专利权)人：广州医科大学附属脑科医院广州市惠爱医院，广州市精神病医院，广州市脑科医院，广州医科大学附属精神病医院，广州市精神卫生中心，
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。