申请/专利权人：西安交通大学医学院第一附属医院

申请日：2024-03-11

公开（公告）日：2024-04-12

公开（公告）号：CN117877749A

主分类号：G16H50/70

分类号：G16H50/70;G06N3/086;G06N3/092;G16H70/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及电数字数据处理领域，尤其涉及基于大数据的房颤患者抗凝治疗效果评估与优化方法。包括：设计动态适应学习网络模型，通过融合改进的遗传算法和深度强化学习，评估房颤患者抗凝治疗效果；引入增量学习适应网络算法，对新的治疗数据和患者反馈进行调整和优化，并定义参数更新规则和可忘记机制更新动态适应学习网络模型参数。解决了现有技术缺乏处理大规模、多变量医疗数据的能力，导致治疗效果评估不够精确或全面；无法动态适应新的治疗数据和患者反馈，限制了模型的实时更新和优化能力，使得治疗效果评估结果无法反映最新的治疗情况；以及缺乏提供个性化治疗建议的能力，无法根据患者的具体情况优化治疗方案的技术问题。

主权项：1.基于大数据的房颤患者抗凝治疗效果评估与优化方法，其特征在于，包括以下步骤：S1.设计动态适应学习网络模型，通过融合改进的遗传算法和深度强化学习模型，评估房颤患者抗凝治疗效果；在改进的遗传算法中引入动态变异率，通过分析患者数据变化的趋势，动态调整变异率，动态变异率计算公式为： ；其中，表示动态变异率，表示基准变异率；是调节因子，控制适应度变化对变异率的影响强度；代表种群适应度的平均变化量；是种群适应度的标准差；为常数，防止除零错误；是调节系数，用于调节动态变异率的影响力度；和分别代表种群中最高和最低的适应度值；S2.引入增量学习适应网络算法，通过动态适应学习网络模型对新的治疗数据和患者反馈进行调整和优化，并定义参数更新规则和可忘记机制，更新动态适应学习网络模型参数；参数更新规则公式定义如下： ；其中，是更新后的动态适应学习网络模型参数，是学习率，是损失函数，代表损失函数关于参数的梯度，是新的治疗数据；是更新前的动态适应学习网络模型参数。

全文数据：

权利要求：

百度查询： 西安交通大学医学院第一附属医院 基于大数据的房颤患者抗凝治疗效果评估与优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD