[发明专利]一种基于模糊推理逻辑的前列腺癌大数据辅助决策方法及系统构建方法

权利要求书

1.一种基于模糊推理逻辑的前列腺癌大数据辅助决策系统构建方法，其特征在于，包括以下步骤：

步骤1：获取医院病人历史前列腺癌检测和诊断数据；

所述前列腺癌检测数据包含前列腺癌疾病指标以及PEV，所述前列腺疾病指标包括TPSA、RBC、Hb、FPSA、PAP、PSMA，所述前列腺癌诊断数据包含病人当前疾病所属分期，{I期、II期、III期、IV期}；

步骤2：基于前列腺癌疾病指标历史数据，采用信息熵计算各前列腺癌疾病指标的权重；

步骤3：将前列腺疾病指标分为两类C(t)＝{TPSA,FPSA,Hb,RBC}和M(t)＝{PAP,PSMA}，利用C(t)和M(t)的前列腺疾病指标的检测值和权重分别构建前列腺癌主关联和次关联计算模型SC(t)和PC(t)；

前列腺癌原发性和继发性疾病的相关性计算模型SC(t)和PC(t)如下：

其中，δ_TPSA(t)，δ_RBC(t)，δ_Hb(t)，δ_FPSA(t)，δ_PAP(t)，δ_PSMA(t)分别表示病人在第t次检测时，前列腺癌的6个诊断指标TPSA、RBC、Hb、FPSA、PAP、PSMA的检测值；δ_TPSA(i)，δ_RBC(i)，δ_Hb(i)，δ_FPSA(i)，δ_PAP(i)，δ_PSMA(i)分别表示病人在历史第i次检测前列腺癌的6个诊断指标TPSA、RBC、Hb、FPSA、PAP、PSMA的检测值，表示历史检测次数；

步骤4：利用各前列腺癌疾病指标的权重，计算病人在第t次检测时，前列腺癌主关联和次关联计算模型SC(t)和PC(t)；

步骤5：基于医院病人历史前列腺癌诊断数据，采用三分法，构建前列腺癌分期关于AD_PCa(k)的隶属度函数；

所构建的前列腺癌分期关于AD_PCa(k)的隶属度函数如下：

步骤6：随机设定{a₁,a₂,σ₁,σ₂}和各分期的PEV值区间点，依次利用医院病人历史前列腺癌历史数据基于构建的隶属度函数，采用质心法计算病人的历史前列腺癌PEV的相位估计值，若超过90％的病人的检测值PEV落入设定的与分期结论一致的PEV值区间中，则获得当前由相关性计算模型和前列腺癌分期的隶属度函数构建的基于模糊推理逻辑的前列腺癌大数据辅助决策系统，否则，重新调整{a₁,a₂,σ₁,σ₂}和各分期的PEV值区间点，重复步骤6；

其中，{a₁,σ₁}和{a₂,σ₂}分别表示前列腺癌分期关于AD_PCa(k)的隶属度函数中第一隶属度函数和第二隶属度函数、第二隶属度函数和第三隶属度函数分界点的均值和方差；

利用医院病人历史前列腺癌历史数据基于构建的隶属度函数，计算病人的历史前列腺癌检测值PEV，采用的具体公式如下：

其中，x_s^AD和y_s^MD分别表示病人在第s次检查的疾病指标相关值和隶属度值，n表示病人当前检查周期的检查次数，其中病人在第s次检查对应的SC(t)和PC(t)，若SC(t)和PC(t)同时小于医院给定的在II期和III期的临界值，则x_s^AD的取值为对应的SC(t)，否则，x_s^AD的取值为对应的PC(t)。