[发明专利]基于算法、5G和区块链的基因大数据疾病预测系统

权利要求书

1.一种基于5G和区块链的基因大数据疾病预测系统，其特征在于，所述系统包括：用户终端、区块链节点服务器以及疾病预测服务器，所述用户终端、区块链节点服务器以及疾病预测服务器两两之间通过5G通信网络连接；

所述用户终端用于：通过所述5G通信网络，向所述疾病预测服务器发送疾病预测请求，所述疾病预测请求中携带用户身份标识和用户的加密基因数据，该加密基因数据是利用所述用户的公钥对所述用户的原始基因数据进行加密后得到的数据；

所述疾病预测服务器在接收到所述疾病预测请求后，所述疾病预测服务器用于：根据所述疾病预测请求中的用户身份标识，生成私钥查询请求，所述私钥查询请求中携带所述用户身份标识；

所述疾病预测服务器还用于：利用自身私钥对所述私钥查询请求进行签名，并通过所述5G通信网络，将签名后的私钥查询请求发送给所述区块链节点服务器；

所述区块链节点服务器接收到所述私钥查询请求后，所述区块链节点服务器用于：利用所述疾病预测服务器的公钥，对所述私钥查询请求进行签名验证，在签名验证通过之后，以所述私钥查询请求中携带的用户身份标识为索引，从本地的账本数据库中查询该用户身份标识对应的用户私钥，再将查询到的用户私钥发送给所述疾病预测服务器；

所述疾病预测服务器接收到所述用户私钥后，所述疾病预测服务器还用于：利用该用户私钥对所述加密基因数据进行解密，得到原始基因数据，并利用该原始基因数据，进行疾病预测，得到疾病预测结果；

所述疾病预测服务器还用于：将所述疾病预测结果发送给所述用户终端；

所述疾病预测服务器在利用原始基因数据，进行疾病预测时，具体用于：从原始基因数据中确定产生基因突变的基因位点，并将所有产生基因突变的基因位点组成一个基因突变向量，将所述基因突变向量输入预先训练的疾病预测模型，从而得到所述疾病预测模型输出的疾病预测结果；

所述疾病预测服务器通过以下方式训练所述疾病预测模型：搜集多个患有疾病的样本用户的样本基因数据，针对每份样本基因数据，从该份样本基因数据中确定出产生基因突变的基因位点，并将这些基因点位组成一个样本基因突变向量；以多个样本基因突变向量为训练数据，对BP神经网络进行训练；将训练后的BP神经网络确定为所述疾病预测模型；

在BP神经网络的训练过程中，采用粒子群算法对所述BP神经网络的初始权值和阈值进行优化；

在粒子群算法的计算过程中，粒子的速度和位置按照下式进行更新：

V_I(τ)＝ωV_I(τ-1)+z₁r₁(P_I(τ-1)-X_I(τ-1))+z₂r₂(P(τ-1)-X_I(τ-1))

X_I(τ)＝X_I(τ-1)+V_I(τ)

式中，z₁和z₂是学习因子，ω是惯性权重因子，r₁和r₂是随机数，且r₁，r₂∈(0，1)，设l_I表示粒子群中的第I个粒子，V_I(τ-1)和X_I(τ-1)分别为粒子l_I在第(τ-1)次迭代更新后的速度和位置，V_I(τ)和X_I(τ)分别为粒子l_I在第τ次迭代更新后的速度和位置，P_I(τ-1)表示粒子l_I在第(τ-1)次迭代更新后的历史最优位置，P(τ-1)表示粒子群在第(τ-1)次迭代更新后的全局最优位置；

粒子群算法每次迭代更新后，在粒子群中选取局部加强寻优粒子进行局部寻优，具体包括：

(1)在粒子群中选取局部加强寻优粒子，设O(τ)表示在第τ次迭代更新后在粒子群中选取的局部加强寻优粒子集合，表示粒子群在第τ次迭代更新后的适应度函数均值，将粒子群中粒子在第τ次迭代更新后的适应度函数值小于的粒子作为局部加强寻优粒子的候选粒子；设O′(τ)表示在第τ迭代更新后在粒子群中选取的局部加强寻优粒子的候选粒子集合，在集合O′(τ)中选取适应度函数值最小的候选粒子为第一个局部加强寻优粒子加入到集合O(τ)中，将选取的局部加强寻优粒子在集合O′(τ)中删除，并根据选取的局部加强寻优粒子对集合O′(τ)中的候选粒子进行筛选，具体为：

设l′_G表示集合O′(τ)中的第G个候选粒子，且l′_G为选取的第一个局部加强寻优粒子，设X′_G(τ)表示粒子l′_G在第τ次迭代更新后的位置，Ω′_G(τ)表示粒子l′_G在第τ次迭代更新后的局部邻域，将集合O′(τ)中位于局部邻域Ω′_G(τ)中的候选粒子在集合O′(τ)中删除，其中，Ω′_G(τ)为以粒子l′_G为中心、以d(τ)为半径的局部区域，d(τ)为粒子群在第τ次迭代更新后的邻域半径，且d(0)为初始邻域半径，τ为当前迭代更新次数，T_max为最大迭代更新次数；

继续按照上述方法在集合O′(τ)剩余的候选粒子中选取适应度函数值最小的候选粒子为局部加强寻优粒子加入到集合O(τ)中，将选取的局部加强寻优粒子在集合O′(τ)中删除，并根据选取的局部加强寻优粒子对集合O′(τ)中的候选粒子进行筛选；

直到集合O′(τ)中没有候选粒子存在时停止局部加强寻优粒子的选取，此时，集合O(τ)中的粒子即为在粒子群中选取的局部加强寻优粒子；

(2)设置集合O(τ)中的局部加强寻优粒子采用下列方式进行局部寻优：

设表示集合D(τ)中的第S个局部加强寻优粒子，表示粒子在第τ次迭代更新后的位置，表示粒子在第τ次迭代更新后的局部邻域，且为以位置为中心，以d(τ)为半径的局部邻域，设表示局部邻域中的第J个粒子，在粒子的第τ次迭代更新后，在局部邻域中随机选取位置和并按照下式生成粒子的新的子位置：

式中，表示粒子在第τ次迭代更新后生成的新的子位置，表示局部邻域中适应度函数值最小的位置，设表示局部邻域中的第K个粒子，表示局部邻域中的第L个粒子，表示粒子在第τ次迭代更新后的位置，表示粒子在第τ次迭代更新后的位置；

段表示局部邻域中的粒子在第τ次迭代更新后的位置组成的集合，且其中，表示粒子在第τ次迭代更新后的位置，表示局部邻域中的粒子数；设表示局部邻域中粒子在第τ次迭代更新后生成的新的子位置组成的集合，且定义局部邻域在第τ次迭代更新后的检测函数为则的表达式为：

式中，表示局部邻域的寻优空间检测系数，表示寻优空间检测系数的判断函数，且表示局部邻域的寻优性能检测系数，表示寻优性能检测系数的判断函数，且设表示局部邻域中的第Z个粒子，表示粒子在第τ次迭代更新后的位置，表示粒子在第τ次迭代更新后生成的新的子位置，表示位置对应的适应度函数值，表示新的子位置对应的适应度函数值；

当检测函数时，则局部邻域中粒子保持第τ次迭代更新后的位置不变；当检测函数时，则局部邻域中粒子的位置变换为第τ次迭代更新后生成的新的子位置。