一种经颅诊疗自适应调节控制方法与流程

本发明涉及经颅诊疗自适应调节控制的，尤其涉及一种经颅诊疗自适应调节控制方法。

背景技术：

1、目前对于失眠、焦虑、抑郁症、神经性头疼、痴呆症、脑瘫等脑系疾病的康复治疗方法较少，常见的康复疗法有经颅磁、经颅电、激光三种。磁疗方法是磁场到达脑内深层组织，形成的感应电场直接作用于病灶区域，改善脑部血液循环，促进脑功能恢复；电疗方法利用低强度电流调节大脑皮层神经元活动，对调节神经电位传导，促进兴奋合抑制作用；光疗方法利用特定波段的低密度激光与人体产生光化学作用，增加细胞新陈代谢，促进细胞新生和修复。研究表明磁疗、电疗、光疗这些非入侵性的治疗方法在临床神经疾病方面取得巨大进展，在康复领域获得越来越多的认可。但现有的技术方法多数为单一治疗方法，对于同一患者，需要用这三种仪器按顺序治疗，治疗周期被拉长，单一治疗效果较差，针对该问题，本发明提出一种经颅诊疗自适应调节控制方法。

技术实现思路

1、有鉴于此，本发明提供一种经颅诊疗自适应调节控制方法，目的在于：智能化协调控制经颅磁、经颅电、激光仪器设别，缩短治疗周期，提升治疗效果。

2、实现上述目的，本发明提供的一种经颅诊疗自适应调节控制方法，包括以下步骤：

3、s1：采集原始患者经颅诊疗过程数据并对原始患者经颅诊疗过程数据进行相似性类别聚类，得到不同类别的原始经颅诊疗过程数据，所述患者经颅诊疗过程数据包括患者在诊疗过程中的患者病灶位置、患者疼痛程度、磁疗治疗强度、电疗治疗强度、光疗治疗强度、患者康复度；

4、s2：构造经颅诊疗自适应调节控制模型，所述模型以归一化后的患者经颅诊疗过程数据为输入，以磁疗治疗调节控制因子、电疗治疗调节控制因子、光疗治疗调节控制因子为输出；

5、s3：对构建的经颅诊疗自适应调节控制模型进行优化求解得到最优模型参数，并根据最优模型参数得到经颅诊疗自适应调节控制实例；

6、s4：根据得到的经颅诊疗自适应调节控制实例实现诊疗调节控制。

7、作为本发明的进一步改进方法：

8、可选地，所述s1步骤中对原始患者经颅诊疗过程数据进行相似性类别聚类，包括：

9、s11：随机选择一个适当的参数epsilon，作为核心距离的阈值，对于每个数据点，计算其与其他所有数据点之间的欧氏距离，并将这些距离按升序排列；

10、s12：对于每个数据点，计算其到相邻数据点的核心距离；如果两点之间的距离小于等于epsilon，则将两点连接起来，并将较小的核心距离作为它们之间的可达距离，核心距离是一个点与其第minpts个最近邻距离的最大值，其中minpts是一个用户定义的参数，表示一个数据点邻域中至少包含的数据点数量；

11、s13：选择一个未访问的数据点，并标记为当前数据对象，对于当前数据对象，找到与之可达的所有数据点，并通过比较它们的可达距离来确定访问顺序，将可达的数据点按照可达距离的升序排列，形成一个有序的列表，逐个访问列表中的数据点，并对每个数据点重复上述步骤，以形成一个完整的聚类顺序；

12、s14：根据聚类顺序，通过检查每个数据点的可达距离是否小于等于epsilon来判断是否在一个簇内从而得到不同的类别的患者经颅诊疗过程数据。

13、可选地，所述s2步骤中归一化后的患者经颅诊疗过程数据，包括：

14、具体处理公式为：

15、

16、其中：

17、a′i表示原始患者经颅诊疗过程数据；

18、a′min和a′max分别表示归一化后的患者经颅诊疗过程数据的最小值和最大值；

19、a″i为归一化后的患者经颅诊疗过程数据。

20、可选地，所述s2步骤中构建经颅诊疗自适应调节控制模型，以不同类别的患者经颅诊疗过程数据为输入，以磁疗治疗调节控制因子、电疗治疗调节控制因子、光疗治疗调节控制因子为输出，包括：

21、所述经颅诊疗自适应调节控制模型具体为神经网络表形式，经颅诊疗自适应调节控制模型接受不同类别的患者经颅诊疗过程数据作为输入，通过学习和训练，输出磁疗治疗调节控制因子、电疗治疗调节控制因子、光疗治疗调节控制因子控制参数，具体模型包含20个隐藏层的多层感知器，其中隐藏层有20个神经元,激活函数选择为relu函数，其输入为归一化后的患者经颅诊疗过程数据a；

22、所述经颅诊疗自适应调节控制模型计算过程为：

23、c＝δ(wa+b)

24、其中：

25、w表示模型权重矩阵；

26、b表示模型偏置向量；

27、δ表示激活函数；

28、a表示患者经颅诊疗过程数据。

29、可选地，所述s3步骤中对构建的经颅诊疗自适应调节控制模型进行优化求解得到最优模型参数，包括：

30、s31：随机初始化参数向量x0，计算目标函数在初始解处的梯度向量，所述梯度向量为：

31、

32、初始化搜索方向向量：

33、p0＝-g0

34、s32：对于每次迭代k，执行流程为：

35、1)计算当前迭代的步长αk；

36、2)分别更新解向量和更新解向量；

37、其中，更新解向量公式为：

38、xk+1＝xk+αkpk

39、更新梯度向量公式为：

40、

41、如果达到收敛条件，即梯度范数小于预设阈值，则停止迭代，否则计算当前迭代的共轭系数：

42、

43、更新搜索方向向量：

44、pk+1＝-gk+1+βkpk

45、3)重复1)-2)步骤直至达到收敛条件得到最终参数向量xfinal。

46、为了解决上述问题，本发明提供一种电子设备，所述电子设备包括：

47、存储器，存储至少一个指令；通信接口，实现电子设备通信；及处理器，执行所述存储器中存储的指令以实现上述所述的企业级网络授权安全管理方法。

48、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的经颅诊疗自适应调节控制方法。

49、相对于现有技术，本发明提出一种经颅诊疗自适应调节控制方法，该技术具有以下优势：

50、首先，本方案提出一种经颅诊疗过程数据聚类处理方法，采集原始患者经颅诊疗过程数据并对原始患者经颅诊疗过程数据进行相似性类别聚类，得到不同类别的原始经颅诊疗过程数据，所述患者经颅诊疗过程数据包括患者在诊疗过程中的患者病灶位置、患者疼痛程度、磁疗治疗强度、电疗治疗强度、光疗治疗强度、患者康复度，对原始患者经颅诊疗过程数据进行相似性类别聚类，包括：随机选择一个适当的参数epsilon，作为核心距离的阈值，对于每个数据点，计算其与其他所有数据点之间的欧氏距离，并将这些距离按升序排列，对于每个数据点，计算其到相邻数据点的核心距离；如果两点之间的距离小于等于epsilon，则将两点连接起来，并将较小的核心距离作为它们之间的可达距离，核心距离是一个点与其第minpts个最近邻距离的最大值，其中minpts是一个用户定义的参数，表示一个数据点邻域中至少包含的数据点数量，选择一个未访问的数据点，并标记为当前数据对象，对于当前数据对象，找到与之可达的所有数据点，并通过比较它们的可达距离来确定访问顺序，将可达的数据点按照可达距离的升序排列，形成一个有序的列表，逐个访问列表中的数据点，并对每个数据点重复上述步骤，以形成一个完整的聚类顺序，根据聚类顺序，通过检查每个数据点的可达距离是否小于等于epsilon来判断是否在一个簇内从而得到不同的类别的患者经颅诊疗过程数据。

51、同时，本方案提出一种经颅诊疗自适应调节控制方法，构建经颅诊疗自适应调节控制模型，以不同类别的患者经颅诊疗过程数据为输入，以磁疗治疗调节控制因子、电疗治疗调节控制因子、光疗治疗调节控制因子为输出，包括：所述经颅诊疗自适应调节控制模型具体为神经网络表形式，经颅诊疗自适应调节控制模型接受不同类别的患者经颅诊疗过程数据作为输入，通过学习和训练，输出磁疗治疗调节控制因子、电疗治疗调节控制因子、光疗治疗调节控制因子控制参数，具体模型包含20个隐藏层的多层感知器，其中隐藏层有20个神经元,激活函数选择为relu函数，其输入为归一化后的患者经颅诊疗过程数据a；所述经颅诊疗自适应调节控制模型模型计算过程为：c＝δ(wa+b)，其中：w表示模型权重矩阵，b表示模型偏置向量，δ表示激活函数，a表示患者经颅诊疗过程数据；对构建的经颅诊疗自适应调节控制模型进行优化求解得到最优模型参数，包括：随机初始化参数向量x0，计算目标函数在初始解处的梯度向量，所述梯度向量为：初始化搜索方向向量：p0＝-g0，对于每次迭代k，执行流程为1)计算当前迭代的步长αk；2)分别更新解向量和更新解向量；其中，更新解向量公式为：xk+1＝xk+αkpk，更新梯度向量公式为：如果达到收敛条件，即梯度范数小于预设阈值，则停止迭代，否则计算当前迭代的共轭系数：更新搜索方向向量：pk+1＝-gk+1+βkpk；3)重复1)-2)步骤直至达到收敛条件得到最终参数向量xfinal。基于求解得到的最终参数向量实例化模型，并根据模型输出仪器控制参数进行智能协同控制。