[发明专利]一种基于人工智能的射频消融参数优化和信息合成方法及系统

权利要求书

1.一种基于人工智能的射频消融参数优化和信息合成方法，其特征在于：该方法应用于射频消融控制器，包括处理器和人工智能模块；

S1、射频消融控制器的处理器响应于样本数据，所述的样本数据为目标物质及其周围环境的传感器参数，处理器对前述样本数据进行预处理并发送至人工智能模块；

S2、人工智能模块将预处理后的样本数据以及针对前述样本数据的射频消融控制参数进行模糊计算，建立人工神经网络模型，所述控制参数包括消融发生、触发时间和能量频率；

S3、处理器响应于等离子刀上各传感器采集的信号，对前述信号进行预处理并发送至人工智能模块；

S4、人工智能模块将预处理后的传感器数据导入步骤S2建立的人工神经网络模型进行分析和融合，得到射频消融控制参数；

所述的步骤S2中，模糊计算具体包括：

S2-1、针对样本数据，构建传感器信号数据集S；构建控制器的决策集；根据信号数据集S中的元素对决策集D输出的影响构建决策矩阵V：

S2-2、对V进行归一化，并对每行求和，将求和后的数据组合成传感器系数矩阵W，对W进行归一化；

S2-3、对于样本数据所在的综合环境，分别针对单一环境根据柯西分布构建对应的关系矩阵R，所述的关系矩阵为k个；

S2-4、对传感器系数矩阵W和k个单一环境的关系矩阵R分别进行融合，即F＝WR，得到k个单一采集环境的融合结果，[F₁,F₂,…,F_k]；

S2-5、按照步骤S2-1至S2-4将多组样本的k个单一组织环境的融合结果[F₁,F₂,…,F_k]，以及各样本对应的射频消融控制参数输入人工神经网络，设置网络的层数进行自学习，得到与样本数据对应的单一组织环境系数，建立的人工神经网络模型；

所述的步骤S2中，模糊计算具体包括：

S2-1、构建传感器信号数据集S＝[s₁，s₂，...，s_n]，n为传感器的数量；

基于传感器的种类和性质构建控制器的决策集D＝[d₁，d₂，...，d_m]，m为决策结果数量，所述的决策集的元素为控制参数，包括消融电压电平，消融功率，脉冲时间，脉冲幅度和脉冲频率；

根据信号数据集S中的元素对决策集D输出的影响构建决策矩阵V，如表1所示：

表1

其中，v_nm代表编号为n的传感器对应编号为m决策的决策因子，v_ij代表决策矩阵因子，i代表传感器的编号，i∈[1，2，3...，n]，j代表决策输出的编号，j∈[1，2，3...，m]；

S2-2、对V进行归一化，并对每行求和，即将w_i组合成传感器系数矩阵W，对W进行归一化，即为第i个传感器的系数；

S2-3、对于样本数据所在的综合环境，分别针对单一环境根据柯西分布构建对应的关系矩阵R，r_ij是单一环境矩阵中的元素：

其中，α、β为经验参数，s_i为编号为i的传感器信号数据，a_ij为单一环境中编号为i的传感器对应决策输出编号为j的阈值；

S2-4、对步骤S2-2获取的传感器系数矩阵W和步骤S2-3获得的k个单一环境的关系矩阵R进行融合，即F＝WR，F为单一环境的融合结果，即

2.根据权利要求1所述的基于人工智能的射频消融参数优化和信息合成方法，其特征在于：该方法应用于射频消融控制器，所述射频消融控制器的信号输入端与等离子刀上各传感器的信号输出端相连，且射频消融控制器输出等离子刀的控制参数。

3.根据权利要求1所述的基于人工智能的射频消融参数优化和信息合成方法，其特征在于：所述的传感器包括电压传感器、电流传感器、阻抗传感器、温度传感器、湿度传感器和接触力传感器。