[发明专利]基于人体生理参数预测给药量的方法及存储介质

说明书

本发明提供一种基于人体生理参数预测给药量的方法及存储介质，该方法包括：获取多名测试者的给药量数据及多项人体生理参数数据作为原始数据；将所述原始数据进行预处理以得到作为训练集的输入数据；基于输入数据，以分类回归树算法建立决策树，包括：基于输入数据的特征提取生成决策树，并用验证数据集对已生成的树进行剪枝并选择最优子树；输入用户的人体生理参数数据，根据所建立的决策树预测所需的给药量。本发明能够基于患者给定的生理参数有效地预测针对该患者的给药量。

技术领域

本发明涉及一种人工智能领域，尤其涉及一种基于人体生理参数预测给药量的方法及存储介质。

背景技术

在未来的医疗领域，计算机科技的应用会发挥愈来愈重的作用，而机器学习作为人工智能的一种实现备受追捧。机器学习帮助人们利用大量已有的数据进行分析、推断、预测，从而使得医疗设备所提供的服务更加贴近客观现实，更加符合现代客户的需求。

例如，在治疗哮喘方面，通过吸入盒之类的吸入装置吸入药剂，是目前常用的治疗哮喘的手段。而为了更有效地治疗哮喘，人们试图探求药剂吸入量与人体各项生理参数之间的关系。

但是，医疗设备传送的信息无论是属性还是元素都及其庞大。具体地，通过两个硬件设备(吸入盒和生理检测设备)获取数据。但这两个硬件设备传送过来的数据包含极高的维度，例如可能有26个维度之多。因此，很难直接地获取到数据之间是否存在关系，或者是存在怎样的关系。即，由于数据庞杂，难以明确从吸入盒获取的药剂吸入量与从生理检测设备获取的各项生理参数之间的关系。不仅限于治疗哮喘，对于其他的一些疾病的治疗，也希望能够谋求给药量与人体各项生理参数之间的关系。

发明内容

鉴于以上存在的问题，本发明所要解决的技术问题在于提供一种基于人体生理参数预测给药量的方法及存储介质，能够基于患者给定的生理参数有效地预测针对该患者的给药量。

本发明提供的一种基于人体生理参数预测给药量的方法，包括：

获取多名测试者的给药量数据及多项人体生理参数数据作为原始数据；

将所述原始数据进行预处理以得到作为训练集的输入数据；

基于输入数据，以分类回归树算法建立决策树，包括：基于输入数据的特征提取生成决策树，并用验证数据集对已生成的树进行剪枝并选择最优子树；

输入用户的人体生理参数数据，根据所建立的决策树预测所需的给药量。

根据本发明，能够有效地获取给药量(药剂吸入量数据)与人体生理参数之间的关系，从而可基于用户给定的生理参数有效地预测针对该患者的给药量。

较佳地，还包括采用广义回归神经网络对决策树的输出进行后期优化。

较佳地，还包括采用BADT来专门处理空值的数据以对决策树的输出进行后期优化。

较佳地，所述决策树的生成使用基尼指数选择最优特征，同时决定该特征的最优切分点。

较佳地，所述剪枝包括：从决策树的完全树形态的底端开始不断剪去子树；通过交叉验证法在独立的验证数据集上对子树序列进行测试，从中选择最优子树。

较佳地，所述预处理包括将给药量数据与人体生理参数进行时间坐标轴相关联。

较佳地，所述预处理还包括对输入数据进行ETL处理，并对决策树输出数据再次进行ETL处理后作为输入数据，从而不断迭代。

另一方面，本发明还提供了一种存储介质，是存储有能够由计算机装置执行的指令，并能够由所述计算机装置读取的存储介质；

所述指令使所述计算机装置执行如下步骤：

获取多名测试者的给药量数据及多项人体生理参数数据作为原始数据；