[发明专利]一种基于深度神经网络的术后数据分析方法及设备

权利要求书

1.一种基于深度神经网络的术后数据分析设备，其特征在于，所述设备包括：

数据输入部、数据预处理部、数据分析部、存储部、输出部；所述数据输入部连接数据预处理部，所述数据预处理部连接所述数据分析部，所述数据分析部连接所述输出部；所述数据输入部、数据预处理部、数据分析部、输出部分别与所述存储部连接；

数据输入部，用于输入术后的原始数据集；所述原始数据集输入后，由所述数据输入部发送至数据预处理部；

所述数据预处理部对所述原始数据集进行预处理，所述预处理包括数据筛选、缺失数据填充、错误数据清洗、多值数据处理、离散数据编码及数据归一化，获得归一化后的标准数据集；所述标准数据集发送至所述数据分析部，并同时发送存储部进行存储；

所述数据分析部接收所述标准数据集，并进行分析，针对标准数据集中的单个的个体单位数据集，给出分类后的数据标签；所述分类后的数据标签及标准数据集发送至所述输出部，同时发送存储部存储，在所述存储部存储时，所述数据标签与所述标准数据集中对应的个体单位数据集关联存储；

所述输出部将所述数据标签与所述标准数据集中对应的个体单位数据集以关联的方式输出。

2.根据权利要求1所述的设备，其特征在于，所述数据分析部包含神经网络模块，当输入的所述原始数据集用于训练所述神经网络模块时，所述数据预处理部对于获得的归一化后的标准数据集，以单个个体为单位，增加数据标签，形成样本数据集；所述样本数据集发送至所述数据分析部进行神经网络训练，并同时发送存储部进行存储。

3.根据权利要求1所述的设备，其特征在于，所述数据预处理部中，所述缺失数据补充，对于缺失的数据项，采用存储部中存储的已有数据中对应数据项的平均值补充对应的缺失数据项。

4.根据权利要求1所述的设备，其特征在于，所述数据预处理部中，所述离散数据编码，通过将离散类数据项按照数据类别设置统一编码的方式进行处理。

5.根据权利要求1所述的设备，其特征在于，所述数据预处理部中，所述数据归一化，将数据中的指标数值，通过等比缩放方式，全部归一化到0至255区间。

6.根据权利要求2所述的设备，其特征在于，所述增加数据标签，通过以下方式：

对于标准数据集，以单个个体为单位，增加数据标签项，数据标签项对应单个个体单位的数据标签值，所述数据标签值基于单个个体单位的相对时间数据与全部标准数据集中的相对时间数据的中值的比对结果来添加；

当单个个体单位的相对时间数据大于所述中值时，归为一类数据标签，否则归为另一类数据标签；

所述相对时间指单个个体单位手术时间与复发时间之间的差值。

7.根据权利要求1所述的设备，其特征在于，所述标准数据集包含64个数据项。

8.一种基于深度神经网络的术后数据分析方法，其特征在于，所述方法包括：

S1、输入术后原始数据集；

S2、对所述原始数据集进行预处理，所述预处理包括数据筛选、缺失数据填充、错误数据清洗、多值数据处理、离散数据编码及数据归一化，获得归一化后的标准数据集；

S3、针对标准数据集中的单个的个体单位数据集，通过神经网络，给出分类后的数据标签。

9.根据权利要求8所述的方法，其特征在于，当输入的所述原始数据集用于训练所述神经网络时，对所述标准数据集，以单个个体为单位，增加数据标签，形成样本数据集，进行神经网络训练。

10.根据权利要求9所述的方法，其特征在于，所述增加数据标签，通过以下方式：

对于标准数据集，以单个个体为单位，增加数据标签项，数据标签项对应单个个体单位的数据标签值，所述数据标签值基于单个个体单位的相对时间数据与全部标准数据集中的相对时间数据的中值的比对结果来添加；

当单个个体单位的相对时间数据大于所述中值时，归为一类数据标签，否则归为另一类数据标签；

所述相对时间指单个个体单位手术时间与复发时间之间的差值。