一种化疗预备阶段的治疗画像生成方法和系统

专利主权项内容

1.一种化疗预备阶段的治疗画像生成方法，其特征在于，包括：S101：获取患者的电子病历；S102：提取所述电子病历中的基础信息、病情信息以及检查检验结果；S103：根据所述病情信息以及所述检查检验结果，预估新辅助化疗NAC方式对于患者是否具有疗效，若是，推荐NAC方式，否则，推荐传统化疗方式；所述S103具体包括：S1031：根据所述病情信息以及所述检查检验结果，计算疗效评估值：
；其中，表示疗效评估值，/>表示逻辑回归超参数，/>表示乳腺背景实质强化结果，表示乳腺背景实质强化结果的权重，/>表示雌激素受体结果，/>表示雌激素受体结果的权重，/>表示孕激素受体结果，/>表示孕激素受体结果的权重，/>表示/>受体结果，/>表示 />受体结果的权重，/>表示蛋白质标志物/>的表达结果，/>表示蛋白质标志物/>的表达结果的权重，/>表示分子分型，/>表示分子分型的权重；S1032：使用激活函数将所述疗效评估值映射至[0, 1]的区间范围内：
；其中，表示映射值，/>表示自然对数；S1033：使用阶跃函数将概率值转化为{0, 1}的类别输出：
；其中，表示阶跃函数，当阶跃函数的数据结果为1时表示新辅助化疗NAC方式对于患者具有疗效，当阶跃函数的数据结果为0时表示新辅助化疗NAC方式对于患者不具有疗效；S1034：构建损失函数：
；其中，表示逻辑回归超参数，/>表示样本总数，/>表示第/>个样本的疗效评估值，表示第/>个样本的阶跃函数的输出结果；S1035：使用梯度下降法对所述损失函数进行求解，得到所述逻辑回归超参数/>；S104：在推荐的化疗方式的历史案例库中，通过循环神经网络，计算当前患者的电子病历与各个历史案例的匹配度；S105：挑选出匹配度最高的预设数量的历史案例，生成备选化疗方案；S106：根据所述病情信息、检查检验结果以及所述备选化疗方案，通过卷积神经网络以及支持向量机，预估化疗效果；S107：根据患者的基本信息、病情信息、检查检验结果、推荐的化疗方式、备选化疗方案以及预估的化疗效果，生成患者采用备选化疗方案时在化疗预备阶段的治疗画像；S108：显示患者在化疗预备阶段的治疗画像。