[发明专利]基于神经网络的放化疗规范化质量控制的量化方法

说明书

技术领域

本发明涉及放化疗规范化质量控制的量化方法，尤其是涉及一种基于神经网络的放化疗规范化质量控制的量化方法。 

背景技术

人工神经网络，简称为神经网络，是一种模拟生物神经网络的数学模型，其由多个人工神经元互相连接组成，每个神经元对与其输入相连的神经元的输出进行加权求和，并通过一个传递函数将自身的计算结果输出给与其输出相连的神经元，由此神经网络能对外界给定的激励输入做出反应输出。通过训练能够改变各个神经元之间的连接强度，即输入加权的权重，从而实现神经元之间不同程度的激活或抑制等影响。神经网络是一种非线性统计性数据建模工具，可用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。 

多层前馈网络是一种常见的神经网络结构，网络中的神经元被分为多层，每一层可以有一个或多个神经元，各层之间单向连接，激励在各层之间单向传播。接受外界输入的层称为输入层，输出最终反应的层称为输出层，在这两层之间的其他层称为隐藏层，通常只适用单个隐藏层。 

反向传播算法是一种多层前馈神经网络上的监督训练方法，由激励传播和权重更新两个环节组成。对于每一个训练输入，激励传播阶段将输入传入网络并获得网络的最终输出；权重更新阶段比较训练的期望输出和网络实际输出的误差，并将误差反向传递到隐藏层，从而使用梯度下降算法按照误差减小最快的方向调整各神经元的输入加权权重。 

主成分分析是一种分析、简化数据集的技术，其通过保留低阶主成分，忽略高阶主成分来减少数据集的维数，同时保持数据集的对方差贡献最大的特征。 

放疗和化疗，合成放化疗，是广泛应用于恶性肿瘤的两种治疗手段。放疗使用放射线破坏细胞染色体，使细胞停止生长，而化疗通过药物杀灭肿瘤细胞，通常是通过阻断细胞分裂机制以抑制癌细胞生长。然而放化疗在杀灭肿瘤细胞的同时也会杀死人体的正常细胞，从而导致患者出现身体衰弱、免疫力下降、骨髓抑制、消化障碍等并发症状，并可能对各脏器和神经系统有毒副作用。 

对放化疗过程中的规范化质量控制使用质量控制评分进行量化，能够指导 医务人员进行切实有效的放化疗治疗，避免因不同医师对病例认识的差异等导致的错误治疗或过度治疗而导致患者额外的经济负担、生活质量下降甚至是死亡。另一方面，可评估的客观标准有利于医务人员对治疗方案进行客观地评估，也有利于医院、国家的管理部门对医务人员的诊疗水平以及相应癌症的治疗情况进行分析，据此改善医疗资源分配，提高医疗质量。 

发明内容

本发明的目的在于提供一种基于神经网络的放化疗规范化质量控制的量化方法。 

本发明采用的技术方案的步骤如下： 

1）质量控制指标量化以获得质控向量，包含以下步骤： 

1.1使用质量控制指标构造原始质控向量，质量控制指标分为已量化和未量化两类，量化方法如下： 

1.1.1已经量化的质量控制指标分别进行标准单位转换后去除单位，使用数值作为原始质控向量的分量； 

1.1.2未量化的离散值质量控制指标使用从0开始的自然数表示各个选项，使用自然数作为原始质控向量的分量； 

1.2对原始质控向量进行降维和归一化，获得质控向量； 

2）构造神经网络，确定网络的拓扑结构、神经元数量和传递函数参数，包括以下步骤： 

2.1拓扑采用三层前馈网络，第一层为输入层，第二层为中间的隐藏层，第三层为输出层，相邻两层之间的神经元两两单向连接； 

2.2输入所述质控向量，输入层神经元数量与所述质控向量的分量数量相同； 

2.3隐藏层神经元数量根据训练结果选择； 

2.4输出为质量控制评分，输出层只有一个神经元； 

2.5各神经元的传递函数均采用Sigmoid； 

3）训练神经网络，包括以下步骤： 

3.1选择神经网络的训练样本，每份训练样本包括所述质控向量和所述质量控制评分，其中质控向量从历史病例中获取，质量控制评分由专家根据质量控制指标确定； 

3.2所述的训练样本被分为多份训练样本集和测试样本集； 

3.3随机选择一个训练样本集，对其中的每个样本，使用反向传播算法更新各个神经元的连接权重； 

3.4随机选择一个测试样本集，对其中的每个样本，输入训练后的神经网络， 累计输出的误差； 

3.5若测试样本集的累积误差达到要求，神经网络训练完成； 

3.6若测试样本集的累积误差没有达到要求，且训练的次数没有达到阈值，随机选择另一个样本集继续训练；