[发明专利]一种基于干眼诊断综合系统平台在审

专利信息
申请号: 202110377564.7 申请日: 2021-04-08
公开(公告)号: CN112967815A 公开(公告)日: 2021-06-15
发明(设计)人: 邢怡桥;曾庆延;杨万举;吴尚操;陈翔熙;沈蕾 申请(专利权)人: 武汉爱尔眼科医院有限公司
主分类号: G16H50/70 分类号: G16H50/70;G16H50/20;G06K9/62;G06N3/04;G06N3/06;G06N3/08;G16H10/20;G06F17/18
代理公司: 上海精晟知识产权代理有限公司 31253 代理人: 王占房
地址: 430000 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 诊断 综合 系统 平台
【权利要求书】:

1.一种基于干眼诊断综合系统平台,其特征在于:它包括以下构建步骤:

步骤1:工作人员首先进行资料收集,并且将收集的资料录入数据库;

步骤2:将资料录入数据库之后,开始对资料进行筛分数据,筛分数据的目的是将一些无用的数据进行排除,避免对测试结果造成影响,同时根据收集患者的病情程度分为重度资料、重度资料和轻度资料;

步骤3:当筛分数据完成后,开始建立模型,建立模型的方式有两种,一种是Logistic回归模型,一种是人工神经网络模型;

步骤4:采用Logistic回归模型时,将单因素分析后有统计学意义的变量,纳入多因素Logistic回归模型,采用Logistic回归分析术后继发干眼症与玻璃体切割术各项潜在影响因素之间的关系,建立预测方程,并且依照组成logistics方程的影响因素,将后续搜集验证对象的相关变量代入其中以验证其准确率;

步骤5:采用人工神经网络模型可以对研究对象术后(3个月后)继发干眼症与玻璃体切割术各项潜在影响因素的关系进行预测,基于Neural Networks的Multilayer perceptron模块建立神经网络模型,同时人工神经网络模型采用多层感知器神经网络设置,网络自动优化决定隐含层的层数和网络神经元数;

步骤6:最后将根据Logistic回归模型以及人工神经网络模型的实验数据通过分析预测模块来对未来的诊断提供建设性建议。

2.根据权利要求1所述的一种基于干眼诊断综合系统平台,其特征在于:所述步骤1中的收集资料可以通过调查问卷的方式、辅助检查的病例以及临床特征的病例来收集资料,保证收集资料的完整性。

3.根据权利要求1所述的一种基于干眼诊断综合系统平台,其特征在于:所述步骤2中的筛分数据还可通过区域分析模块来对收集的资料患者的居住地进行分析筛分,避免出现区域性爆发,并且为避免混入易混因素,通过逐份查阅所搜集资料的基本情况、病史资料、各项诊疗措施、手术信息、术后康复情况等维度的信息,排除以下患者:纳入研究组后患方主动要求终止观察;患者及家属拒绝配合完善必要检查,导致重要临床资料缺失,以保证预测结果的准确性。

4.根据权利要求1所述的一种基于干眼诊断综合系统平台,其特征在于:所述步骤2中的重度资料、中度资料和轻度资料可便于医护人员后期根据患者的患病程度来对应搜索相应程度的治疗性建议。

5.根据权利要求1所述的一种基于干眼诊断综合系统平台,其特征在于:所述步骤3中的人工神经网络模型建立的方法为首先提取干眼的潜在影响因素和治疗方案作为输入层向量;其次建立神经网络模型,包括三个层次:两侧为输入及输出层,及其位于中间的隐藏层,隐藏层可以是多个层的组合结构;最后进行正反向传播网络训练,正向传播:输入特征信息自输入层进入神经网络,经过若干个隐藏层,最后到输出层输出预测结果;反向传播:使用误差后向传播算法和梯度下降的优化方法对网络各层权重的进行调整,通过比较输出信息和期望信息得到误差信息,利用链式求导法则将误差信息逐层向前传播得到各层误差信息,根据各层误差信息来调整各层权重和偏置。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉爱尔眼科医院有限公司,未经武汉爱尔眼科医院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110377564.7/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top