[发明专利]基于变分推断和深度学习的腹膜透析模式辅助推荐系统

权利要求书

1.一种基于变分推断和深度学习的腹膜透析模式辅助推荐系统，其特征在于，包括：

信息获取模块，用于获取腹膜透析患者的基本信息；

计算处理模块，用于预测手动或自动腹膜透析模式下的治疗效果；

辅助推荐模块，用于向决策者推荐合适的腹膜透析模式；

自学习模块，用于将实际治疗结果与预测的治疗效果相比较，并将实际结果输入到计算处理模块中，优化其算法；

其中，计算处理模块中采用基于变分推断和深度学习的预测模型，该模块包括：

数据划分模块，用于获取回顾性实验数据集，即腹膜透析患者的基本信息、采用的治疗模式及相关参数、腹膜透析充分性，将其按比例划分为训练集、验证集和测试集；

变分下界转化模块，通过变分推断，推导得到变分下界，将最大化似然函数转化为最大化变分下界；

深度神经网络模型构建模块，根据变分下界，利用深度神经网络构建对应模型，并以最大化变分下界为优化目标；

最佳超参数确定模块，使用超参数搜索，采用不同的超参数组合在训练集上训练，并在验证集上验证其性能，挑选出最佳超参数组合；

治疗效果预测模块，在测试集上测试采取最佳超参数训练的模型，得到预测的治疗效果。

2.根据权利要求1所述的基于变分推断和深度学习的腹膜透析模式辅助推荐系统，其特征在于，所述回顾性实验数据集包含D个样本；其中每个样本由特征向量x_i、采取的干预措施t_i以及对应观察到的干预结果组成；其中k是特征数量，即向量的维度；t∈{0，1}，0代表未采取该干预措施，1为采取该干预措施；为连续值标量。

3.根据权利要求2所述的基于变分推断和深度学习的腹膜透析模式辅助推荐系统，其特征在于，数据样本中，假设特征x包含相互独立的三部分隐变量：1)只影响干预结果的隐变量z_y；2)只影响治理措施选择的隐变量z_t；3)同时影响干预结果和干预措施选择的隐变量z_c。

4.根据权利要求3所述的基于变分推断和深度学习的腹膜透析模式辅助推荐系统，其特征在于，通过变分推断方法，将三部分隐变量解耦并获得变分下界，所述变分下界公式推导如下：

其中，P_θ为在给定x或z_y、z_t、z_c下的t或y的干预先验分布，为在给定x下的z_y、z_t、z_c的结局预测先验分布，q_φ为在给定x及y或t下z_y、z_t、z_c的结局预测后验分布；log P_θ(t，y|x)为给定x下，t和y联合概率分布的对数似然函数，为给定z_t、z_c下t的概率分布的对数的期望，为给定z_t、z_c、t下y的概率分布的对数的期望。

5.根据权利要求4所述的基于变分推断和深度学习的腹膜透析模式辅助推荐系统，其特征在于，假设各隐变量的条件概率分布q_φ(z_c|y，t，x)，q_φ(z_t|t，x)，q_φ(z_y|y，x)为多元正态分布，使用深度神经网络拟合分布的参数，即均值向量μ和标准差向量σ，并通过正态分布的参数计算两个分布之间的KL距离；两个正态分布间的KL距离为：

其中，σ为标准向量，μ为均值向量；

最大化变分下界对应于最大化取反的三组KL距离，即最小化和