← 返回列表

基于机器学习的整形数据智能分析系统及方法

申请号: CN202410122213.5
申请人: 吉林大学
申请日期: 2024/1/30

摘要文本

本申请公开了一种基于机器学习的整形数据智能分析系统及方法,涉及智能化分析技术领域,其获取整形手术患者的个人信息和病历数据,对患者个人信息进行基于词粒度的语义理解以得到个人信息词粒度上下文语义特征向量,将病历数据按整形手术时间划分得到病历数据集合,通过整形手术病历语义编码器对病历数据进行语义编码得到特征向量序列,基于个人信息语义特征和病历数据的特征序列进行约束性融合得到个人信息语义约束下整形手术病历全局语义编码特征向量,最终确定整形手术的风险等级标签。这样,可以自动地对整形手术的风险进行分类和预测,为患者和医生提供更科学和有效的参考。

专利详细信息

项目 内容
专利名称 基于机器学习的整形数据智能分析系统及方法
专利类型 发明申请
申请号 CN202410122213.5
申请日 2024/1/30
公告号 CN117649943A
公开日 2024/3/5
IPC主分类号 G16H50/70
权利人 吉林大学
发明人 吴广智; 柳溪林
地址 吉林省长春市前进大街2699号

专利主权项内容

1.一种基于机器学习的整形数据智能分析系统,其特征在于,包括:患者数据采集模块,用于获取整形手术患者的个人信息和病历数据;个人信息语义编码模块,用于对所述整形手术患者的个人信息进行基于词粒度的语义理解以得到个人信息词粒度上下文语义特征向量;病历数据时序划分模块,用于将所述病历数据按照整形手术的时间进行划分以得到整形手术病历数据的集合;病历数据语义编码模块,用于将所述整形手术病历数据的集合中的各个整形手术病历数据通过整形手术病历语义编码器以得到整形手术病历数据语义编码特征向量的序列;语义约束表达模块,用于基于所述个人信息词粒度上下文语义特征向量,对所述整形手术病历数据语义编码特征向量的序列进行约束性融合以得到个人信息语义约束下整形手术病历全局语义编码特征向量作为个人信息语义约束下整形手术病历全局语义编码特征;手术风险等级检测模块,用于基于所述个人信息语义约束下整形手术病历全局语义编码特征,确定整形手术的风险等级标签;其中,所述语义约束表达模块,用于:以如下融合公式基于所述个人信息词粒度上下文语义特征向量,对所述整形手术病历数据语义编码特征向量的序列进行约束性融合以得到个人信息语义约束下整形手术病历全局语义编码特征向量;其中,所述融合公式为:

;其中,表示所述个人信息词粒度上下文语义特征向量,/>表示1×/>的矩阵,/>等于所述个人信息词粒度上下文语义特征向量的尺度,B是1×/>的矩阵,/>等于所述整形手术病历数据语义编码特征向量的序列中整形手术病历数据语义编码特征向量的数量,/>是Sigmoid函数,/>为权重系数,/>和/>表示1×1卷积核的卷积操作,/>表示所述整形手术病历数据语义编码特征向量的序列中的各个整形手术病历数据语义编码特征向量,N表示所述整形手术病历数据语义编码特征向量的序列中的各个整形手术病历数据语义编码特征向量的尺度,/>表示所述个人信息语义约束下整形手术病历全局语义编码特征向量。