[发明专利]一种基于体外受精‑胚胎移植的管理控制系统

摘要

本发明属于医疗技术领域，公开了一种基于体外受精‑胚胎移植的管理控制系统，设置有患者信息采集模块、患者检查模块、信息核对模块、智能建议模块、治疗数据处理模块、信息推送模块。本发明具有明显优势，该基于体外受精‑胚胎移植的管理控制系统通过设置信息核对模块通过射频识别技术识读出体外受精及胚胎移植时载有精子、卵子、胚胎的培养皿及母体身份识别环的身份信息，并将识读到的身份信息进行比对，发出正确信号或错误信号，从而确保了体外受精及胚胎移植的准确性；同时设置智能建议模块可以为医生提供智能化建议，提高患者移植成功率。

主权项

一种基于体外受精‑胚胎移植的管理控制系统，其特征在于，所述基于体外受精‑胚胎移植的管理控制系统包括：患者信息采集模块，与信息核对模块连接，用于采集患者各类信息，采集包括患者基本数据、男科与女科病历数据、院外检验检查数据并发送给信息核对模块；患者检查模块，与信息核对模块连接，用于对患者进行B超监测、抽血化验、实验室检测和遗传检查，将自动采集患者客观数据发送给信息核对模块；智能建议模块，与信息核对模块和治疗数据处理模块连接，用于根据信息核对模块的准确信息，自动计算患者是否可移植和最佳移植时间点，为医生提供智能化建议；治疗数据处理模块，与智能建议模块和信息推送模块连接，用于通过智能建议模块确定手术治疗时间，并将每次患者治疗过程中的数据按指标进行存储与处理，构建大数据应用；同时对相同症状、相同指标范围的患者给出治疗建议；信息推送模块，与治疗数据处理模块连接，用于获取治疗数据处理模块数据，来提醒患者B超时间、抽血时间、移植手术时间，并在业务完成后能将结果推送给患者；所述信息核对模块核对方法：首先，将精子、卵子、胚胎及母体相对应身份信息储存于数据库中；然后，通过射频技术识别出当前载有精子、卵子、胚胎的培养皿及母体身份识别环的相关身份信息；射频识别的传递函数为：G(ω)=exp(-(ln(ω/ω0))22(ln(k/ω0))2);]]>其中，ω0为滤波器的中心频率，对于不同的ω0，k使k/ω0保持不变；在频率域构造滤波器，对应的极坐标表达方式为：Gr(r)=exp[-((ln(r/f0))22(ln(σf))2)];]]>Gθ(θ)=exp[-(θ-θ0)22σθ2];]]>G(r,θ)＝G(r,r)·G(θ,θ)；式中，Gr(r)为控制滤波器带宽的径向分量，Gθ(θ)为控制滤波器方向的角度分量；r表示径向坐标，θ表示角度坐标，f0为中心频率，θ0为滤波器方向，σf用于确定带宽；Bf＝2(2/ln2)1/2|lnσf|，σθ确定角度带宽，Bθ＝2(2/ln2)1/2σθ；最后，查找数据库，比对所获得的身份信息与数据库是否匹配，若是，则配对正确；若否，则配对错误；所述治疗数据处理模块，使用移动最小二乘法的拉普拉斯抠图矩阵用移动最小二乘法替代最小二乘法构造拉普拉斯矩阵，并使用KNN邻域替代空间邻域，获取非邻域像素在alpha图上的线性关系，从而计算出移动拉氏矩阵，并得到alpha图；根据得到精子、卵子、胚胎及母体的alpha图，建立一个总体评价库，将评价结果分为优、良、中、普通和差，对应的百分制范围为[100,90]优，[89,80]良，[79,70]中，[69,60]普通，[59,0]差，进行得到的alpha图效果的分类表示；建立一个总体评价库后进行建立权重集，包括：建立递阶层次结构：根据建立的总体评价库，将问题所包含的各因素分为第一层是评价的总目标层G，即综合安全层；第二层是准则层C，即影响精子、卵子、胚胎及母体的因素；最后将个具体指标作为第三层，即指标层P；构造两两比较判断矩阵：根据标度法逐层对各个要素两两之间进行重要性程度赋值，构造判断矩阵U＝(uij)n×n，其中uij表示因素ui和uj相对于准则层的重要值，矩阵U具有性质：uii＝1,uij＝1/uji,i,j＝1,2,…,n，得出判断矩阵：将矩阵X1～X5按列归一化，即：yij=xijΣi=1nxij,(i,j=1,2...n);]]>计算出矩阵Y为：Y1=0.6810.7320.5720.6670.1360.1460.2140.1900.0850.0490.0710.0480.0980.0730.1430.095;]]>Y2=0.50.50.50.5;]]>Y3=0.2930.3480.3530.2790.0730.0870.1180.0930.0490.0430.0590.0700.5850.5220.4700.558;]]>Y4=0.6520.5560.6920.1310.1110.0770.2170.3330.231;]]>Y5=0.7320.7890.6000.1460.1580.3000.1220.0530.100;]]>单一准则下元素相对权重的计算：将Y矩阵按行相加，由公式得出：W1＝(2.652 0.686 0.253 0.409)T；W2＝(1 1)T；W3＝(1.273 0.371 0.221 2.135)T；W4＝(1.9 0.319 0.781)T；W5＝(2.121 0.604 0.275)T；将得到的和向量进行归一化处理，由公式可得权向量：W‾1=0.6630.1720.0630.102T;]]>W‾2=0.50.5T;]]>W‾3=0.3810.0930.0550.534T;]]>W‾4=0.6330.1060.261T;]]>W‾5=0.7070.2010.092T;]]>判断矩阵的一致性检验：计算判断矩阵的最大特征根λmax，由公式计算得出:λ‾max1=4.085]]>λ‾max2=2]]>λ‾max3=4.031]]>λ‾max4=0.304]]>λ‾max5=3.096]]>根据公式进行一致性检验，得到：CI1＝0.019，CI2＝0，CI3＝0.031，CI4＝0.020，CI5＝0.048；由公式得：CR1＝0.022，CR2＝0，CR3＝0.035，CR4＝0.038，CR5＝0.092；CR＜0.1，均满足一致性要求，因此各因素的相对权重构造抠图拉氏矩阵时，使用移动最小二乘法替代最小二乘法得到alpha图上的线性关系,所述移动最小二乘抠图的方法如下：在灰度图像中,窗口wi的邻域内alpha值满足局部线性条件，使用移动最小二乘法求解局部线性关系，表示如下：J(α,a,b)=Σj∈I(Σi∈wjωi2(αi-ajIi-bj)2+ϵaj2)ωi=k(i-j)2---(1)]]>公式(1)中权值ω，ωi是邻域wk中的权值；式(1)表示为以下矩阵的形式:J(α)=ΣkWk2||Gk.akbk-α‾k||2;]]>对于每个邻域wk,Gk定义为‖wk‖×2矩阵；Gk每行包括向量(Ii,1)，Wk是每行向量对应的权值ωi组成的向量，Gk’为Gk的Wk加权，对应的每行向量表示为(Wk.Ii,Wk)，是邻域内所有像素对应的alpha值组成的向量；系数ak,bk解得如下所示：(ak,bk)=argmin(Wk.(Gk.akbk-α‾k||)2)=(Gk′TGk′)-1Gk′TWkα‾kGk′=Wk.Gk;]]>令J(α)表示为下式：J(α)=ΣkαkTG‾k′TG‾k′αk=αkTLαk;]]>L=Wk2.δi,j+1-2Wk||wk||(1+1σk2+ϵ||wk||(Ii-μk)(Ij-μk));]]>δi,j是Kronecker delta函数，μk和σ2分别是小窗口wk内的基于Wk的加权均值和方差，‖wk‖是窗口内像素的个数,L为移动拉氏抠图矩阵；引入权值ωi，应用至彩色模型，彩色模型下的移动最小二乘抠图方法如下：用下式表示彩色图像各通道间的线性关系：αi=ΣcacIic+b,i∈wi;]]>c为彩色图像的通道数,在考虑各个通道信息后，式(1)转化为下式:J(α)=Σj∈I(Σi∈wjωi2(αi-ΣcajcIi-bj)2+ϵΣcajc2)---(2)]]>对式(2)进行化简后，解得彩色模型下移动拉氏矩阵如下式所示：J(α)＝αLαT；L=Σk(i,j)∈wk(Wk2.δi,j+1-2Wk||wk||(1+(Ii-μk)T(Σk+ϵ||wk||I3)-1(Ij-μk)))---(3)]]>在(3)式中，I为小邻域内所有像素对应3*1颜色向量组成的矩阵，μk为I的Wk加权平均,Σk是I在Wk加权下的协方差矩阵。