的大小来确定。
[0070] 本申请根据如下规则来确定隐含层的单元数:隐含层的神经元数目大于输入层神 经元和输出层神经元数目之和的一半，小于输入层神经元和输出层神经元数目的和。
[0071] 步骤S132:选择适量的样本采用粒子群优化算法用于BP网络的训练；
[0072]可以理解，网络拓扑结构建立后，需要选择适量的样本对网络进行训练学习，本申 请通过医疗领域专家给出权重的初始值对样本数据进行初始化。从BP神经网络算法的原则 上样本数量越多越好，但也应该根据网络大小确定合适的样本数量，过大或过小都会是计 算不准确，完成此步骤后会得出神经网络的训练结果。
[0073]请参阅图3,为本发明实施例提供的IPS0优化网络训练算法流程图，可以理解，将 粒子群优化算法（IP0S)用于BP网络的训练即粒子群中每个粒子的位置表示BP网络中当前 迭代的权值集合，每个粒子的维数由网络中起连接作用的权值的数量和阈值个数决定。以 给定训练样本集的神经网络输出误差作为神经网络训练问题的适应函数，适应度值表示神 经网络的误差，误差越小则表明粒子在搜索中具有更好的性能。粒子在权值空间内移动搜 索使得网络输出层的误差最小，改变粒子的速度即更新网络的权值，以减少均方误差 (MSE)〇
[0074]步骤S133:根据训练结果确定影响因子权重值。
[0075]可以理解，建立神经网络学习算法的目的是确定影响因子的权重值，而神经网络 训练得到的结果只是各神经元之间的关系，如若想要得到输入因素相对于输出因素之间的 真实关系，也就是输入因素对输出因素的影响权重，还需要对各神经元之间的权重加以分 析处理。因此，采用以下几项指标来描述输入因素和输出因素之间的关系。
[0076]①相关显著性系数
[0079]②相关指数
[0080] Rij= | (1-e-y)/(i+e-y) | (2)
[0081] y = rdj
[0082] ③绝对影响系数
[0084] 上述公式中：i为神经网络输入单元，i = 1，. . .m; j为神经网络输出单元，j = 1， ...n;k为神经网络的隐含单元，k=l，. . .p;wki为输入层神经元i和隐含层神经元k之间的 权系数。
[0085] 上面三个相关系数中绝对影响系数S就是要求的权重值。运用公式⑴~⑶可以算 出各影响因子的权重值。
[0086]步骤S140:根据所述权重值确定评价结果。
[0087]应用模糊综合评判方法根据上面已确定的影响因子权重值对某一事实进行评判。 具体过程如下：
[0088] 1:设定因素集
[0089] U=(ui ,U2 , U3 , U4 , U5 , U6 , U7 , U8 , U9 , U10 , Ull , U12 , U13 , U14 , U15 , U16 , U17 , U18 , U19 , U20 , U21 , U22，U23)其中U1为胶体，U2为脱水剂，U3为抗生素，U4为血管活性药物，U5为其他药物，U6为心 内，U7为呼吸内，U8为消化内，U9肿瘤内，U1Q为其他内，U11为胸外，U12为脑外，U13泌尿外，U14为 〈1 岁，ui5 为1 一3岁，ui6 为 4 一12 岁，ui7 为 13 -18 岁，uis 为 19 一60 岁，uig 为 >60 岁，U2Q 为〈40 滴 / 分，u21 为40 - 60 滴/分，u22为 61 - 80 滴/分，u23 为81 -120 滴/分。
[0090] 2:设定评价集
[0091 ] V = { VI , V2 , V3 , V4 , V5 , V6 , V7 , V8 , V9}
[0092] 其中VI为安全性优、药效优，V2为安全性优、药效良，V3为安全性优、药效良，V4为安 全性良、药效优，V5为安全性良、药效优，V6为安全性良、药效一般，V7为安全性一般、药效优， V8为安全性一般、药效良，V9为安全性一般、药效一般。
[0093] 3:建立评判矩阵。即建立一个从U到F(V)的模糊映射
[0096]由f可诱导出模糊关系R，得到单因素评判矩阵 I
[0098] 4.确定权重。由于对U中各因素有不同的侧重，需要对每个因素赋予不同的权重， 它可表示为U上的一个模糊子集A={ai，a2, . . .，an}，并规定
本文中的权重是由由 临床经验比较丰富的医生给出初步的权重，再经过医疗领域的专家对权重分配结果进行科 学论证，最终确定权重的分配。
[0099] 5综合评判。在R于A求出之后，则综合评判为B = A〇R，记Β={1η，?32, . .，bm}它是V上
，如果评判结果
，应将它归一化。最后 根据最大隶属原则，最大h所对应的项就是评判的结果。
[0100] 请参阅图4,本申请还提供了一种医用输液滴速评价系统，包括:影响因子确定模 块110，用于确定影响因子;权重初始值确定模块120，用于根据所述影响因子确定权重初始 值;权重值确定模块130，用于根据所述权重初始值确定所述影响因子的权重值;及评价模 块140,用于根据所述权重值确定评价结果。详细可以参阅上文的描述。
[0101] 本发明提供的医用输液滴速的评价方法和系统，根据影响因子确定权重初始值， 根据所述权重初始值确定所述影响因子的权重值，再根据所述权重值确定评价结果，从而 实现了根据人群、疾病、药物来衡量输液滴速安全和药效的方法，方便人们对输液滴速的安 全和药效有更直观的认识。
[0102] 此外，上述技术方案应用神经网络算法对影响因子权重进行重新分配，进而得到 比较合理、科学的权重，同时，根据影响因子权重利用模糊综合评判方法对事实进行评价， 进而得出一个科学的评价结果，以实现输液药物对人体的安全性和药效发挥最大作用，指 导医护人员更精准地控制输液流速，使影响人们健康的风险降低，为人们的身体健康提供 保证。
[0103]以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并 不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员 来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保 护范围。因此，本发明专利的保护范围应以所附权利要求为准。
【主权项】
1. 一种医用输液滴速的评价方法，其特征在于，包括下述步骤： 确定影响因子； 根据所述影响因子确定权重初始值； 根据所述权重初始值确定所述影响因子的权重值;及 根据所述权重值确定评价结果。2. 如权利要求1所述的医用输液滴速评价方法，其特征在于，所述影响因子分为药物、 疾病、年龄和滴速，其中，药物分为胶体、脱水剂、抗生素、血管活性药物和其他，疾病分为屯、 内、呼吸内、消化内、肿瘤内、其他内、胸外、脑外、泌尿外，人群分为小于1岁、1到3岁、4到12 岁、13到18岁、19到60岁、大于60岁，滴速分为小于40滴/分、40到60滴/分、61到80滴/分、81 到120滴/分。3. 如权利要求1所述的医用输液滴速评价方法，其特征在于，其中，根据所述权重初始 值确定所述影响因子的权重值具体为:通过神经网络算法来确定影响因子权重值，所述神 经网络为Ξ层神经网络，包括输入层、中间层和输出层。4. 如权利要求3所述的医用输液滴速评价方法，其特征在于，所述隐含层的神经元数目 大于所述输入层神经元和所述输出层神经元数目之和的一半，小于所述输入层神经元和所 述输出层神经元数目的和。5. 如权利要求3所述的医用输液滴速评价方法，其特征在于，通过神经网络算法来确定 影响因子权重值，包括下述步骤： 构建所述Ξ层神经网络参数与输液滴速评价体系； 选择适量的样本采用粒子群优化算法用于BP网络的训练； 根据训练结果确定影响因子权重值。6. 如权利要求5所述的医用输液滴速评价方法，其特征在于，其中，根据训练结果确定 影响因子权重值，包括下述步骤： 分别构建第一公式、第二公式和第Ξ公式，所述第一公式为：其中，i为神经网络输入单元，i = l，. . .m; j为神经网络输出单元，j = l，. . .n;k为神经 网络的隐含单元，k=l，. . .p;ki为输入层神经元i和隐含层神经元k之间的权系数； 根据所述第一公式、第二公式和第Ξ公式获取影响因子权重值S。7. 如权利要求1所述的医用输液滴速评价方法，其特征在于，根据所述权重值确定评价 结果，包括下述步骤： 1).设定因素集： U=(U1,U2,U3,U4,U5,U6,U7,U8,U9,U10,U11,U12,U13,U14,U15,U16,U17,U18,U19,U20,U21,U22, U23)其中m为胶体，U2为脱水剂，U3为抗生素，U4为血管活性药物，U日为其他药物，U6为屯、内，U7 为呼吸内，U8为消化内，U9肿瘤内，山诚其他内，山功胸外，山2为脑外，山3泌尿外，山4为<1岁， 山已为1 一3岁，山6为4 -12岁，山7为13 -18岁，山8为19 -60岁，山9为>60岁，U2日为〈40滴/分，U21 为40 - 60滴/分，U22为61 - 80滴/分，U23为81 -120滴/分； 2) .设定评价集： V= {vi,V2,V3,V4,V5,V6,V7,V8,Vg} 其中VI为安全性优、药效优，V2为安全性优、药效良，V3为安全性优、药效良，V4为安全性 良、药效优，化为安全性良、药效优，V日为安全性良、药效一般，V7为安全性一般、药效优，V8为 安全性一般、药效良，V9为安全性一般、药效一般； 3) .建立评判矩阵，即建立一个从U到F(V)的模糊映射：由f可诱导出模糊关系R，得到单因素评判矩阵4) .确定权重的分配： 5) .综合评判： 在R于A求出之后，则综合评判为B = A〇R，记B={bi，b2, . . .，bm}，B是V上的模糊子集，其 中再将b非3-化，最后根据最大隶属 原则，最大bj所对应的项就是评判的结果。8. -种医用输液滴速的评价系统，其特征在于，包括： 影响因子确定模块，用于确定影响因子； 权重初始值确定模块，用于根据所述影响因子确定权重初始值； 权重值确定模块，用于根据所述权重初始值确定所述影响因子的权重值;评价模块，用 于根据所述权重值确定评价结果。
【专利摘要】本发明提供的医用输液滴速的评价方法和系统，根据影响因子确定权重初始值，根据所述权重初始值确定所述影响因子的权重值，再根据所述权重值确定评价结果，从而实现了根据人群、疾病、药物来衡量输液滴速安全和药效的方法，方便人们对输液滴速的安全和药效有更直观的认识。
【IPC分类】G06F19/00
【公开号】CN105550509
【申请号】CN201510915398
【发明人】刘宇航, 聂泽东, 李景振
【申请人】深圳先进技术研究院
【公开日】2016年5月4日
【申请日】2015年12月10日