[发明专利]一种药物用量预测装置

权利要求书

1.一种药物用量预测装置，其特征在于，包括：

特征提取模块，用于采集目标对象的当前参考特征，所述当前参考特征包括所述目标对象的基本特征和所述目标对象的当前生化特征，所述目标对象的基本特征包括所述目标对象的基本信息，所述目标对象的当前生化特征包括所述目标对象在预设时间段内的生理化验指标、所述目标对象在当前时刻对应的上一次用药时间、所述目标对象在所述当前时刻对应的下一次用药时间和目标药物在所述当前时刻对应的上一次的用量；

匹配模块，用于将所述目标对象的当前生化特征与每一参考组进行相似度计算，将相似度最高的参考组作为目标参考组，每一参考组通过对每一预设对象在每一预设历史子时间段内的历史生化特征进行聚类分析得到，对于任一预设对象在任一预设历史子时间段内的历史生化特征，所述历史生化特征包括所述任一预设对象在所述任一预设历史子时间段内的生理化验指标、所述目标对象在任一预设历史子时间段对应的上一次用药时间、所述目标对象在所述任一预设历史子时间段对应的下一次用药时间和所述目标药物在所述任一预设历史子时间段对应的上一次的用量；

药量预测模块，用于对所述目标对象的当前参考特征输入到所述目标参考组对应的训练后的神经网络模型中，得到所述目标对象在所述当前时刻对应的下一次用药时所述目标药物用量，所述目标参考组对应的训练后的神经网络模型通过对神经网络模型进行训练得到，对于所述目标参考组中任一预设对象的任一预设历史子时间段，所述任一预设对象的基本特征和所述任一预设对象在所述任一预设历史子时间段的历史生化特征作为所述神经网络的输入，所述目标药物在所述任一预设历史子时间段对应的下一次的用量作为标签。

2.根据权利要求1所述药物用量预测装置，其特征在于，所述特征提取模块还用于：

获取所述目标对象的初始当前生化特征，对所述初始当前生化特征进行归一化处理，将归一化后的初始当前生化特征作为所述目标对象的当前生化特征。

3.根据权利要求1所述药物用量预测装置，其特征在于，所述特征提取模块还用于：

获取每一预设对象在预设历史时间段内的初始历史生化特征，对于任一预设对象，对所述任一预设对象的初始历史生化特征进行归一化处理，将归一化处理之后的初始历史生化特征作为所述任一预设对象在所述预设历史时间段内的历史生化特征；

并对所述任一预设对象在所述预设历史时间段内的历史生化特征进行滑窗处理，获取所述任一预设对象在每一预设历史子时间段内的历史生化特征。

4.根据权利要求3所述药物用量预测装置，其特征在于，所述匹配模块还用于对每一预设对象在每一预设历史子时间段内的历史生化特征进行聚类，得到每一参考组。

5.根据权利要求4所述药物用量预测装置，其特征在于，所述匹配模块还用于对每一预设对象在每一预设历史子时间段内的历史生化特征进行聚类，得到每一参考组，具体包括：

通过误差平方和算法，从每一预设对象在每一预设历史子时间段内的历史生化特征中获取K个数据点作为质心；

对于任一数据点，将所述任一数据点归类到与其最相似的质心，获取K个参考组；

重新计算每一参考组的质心，直到每一参考组的质心变化在预设范围之内。

6.根据权利要求5所述药物用量预测装置，其特征在于，所述误差平方和算法具体为：

其中，K为参考组的数量，x为任一历史生化特征，C_i为第i个参考组，c_i为第i个参考组的质心，dist为所述任一历史生化特征和第i个参考组的质心之间的DTW距离度量。

7.根据权利要求1所述药物用量预测装置，其特征在于，所述匹配模块对所述目标对象的当前生化特征与每一参考组进行相似度计算具体通过如下方式：

采用动态时间规整技术，对所述目标对象的当前生化特征与每一参考组进行相似度计算。