基于机器学习的整形数据智能分析系统及方法

本技术涉及智能化分析，尤其涉及一种基于机器学习的整形数据智能分析系统及方法。

背景技术：

1、整形手术是一种通过改变人体外形或功能来达到美容或修复目的的手术。整形手术的种类繁多，包括眼部整形、鼻部整形、面部整形、胸部整形、腹部整形等。整形手术虽然能够提高患者的自信和生活质量，但也存在一定的风险和并发症，如感染、出血、肿胀、疤痕、神经损伤等。因此，对于想要进行整形手术的患者，了解手术的风险是非常重要的，以便做出合理的决策和预防措施。

2、目前，对于整形手术的风险评估主要依赖于医生的经验和判断，缺乏客观和量化的标准和方法。此外，由于整形手术涉及到多个因素，如患者的年龄、性别、身体状况、过敏史、既往病史、手术类型、部位、方式、医生、医院等，这些因素之间存在复杂的相互作用和影响，导致手术风险难以准确预测和判断。

3、因此，期望一种优化的整形数据智能分析系统及方法。

技术实现思路

1、本技术为了克服上述缺陷，提供一种基于机器学习的整形数据智能分析系统及方法。

2、本技术提供了一种基于机器学习的整形数据智能分析系统，其包括：

3、患者数据采集模块，用于获取整形手术患者的个人信息和病历数据；

4、个人信息语义编码模块，用于对所述整形手术患者的个人信息进行基于词粒度的语义理解以得到个人信息词粒度上下文语义特征向量；

5、病历数据时序划分模块，用于将所述病历数据按照整形手术的时间进行划分以得到整形手术病历数据的集合；

6、病历数据语义编码模块，用于将所述整形手术病历数据的集合中的各个整形手术病历数据通过整形手术病历语义编码器以得到整形手术病历数据语义编码特征向量的序列；

7、语义约束表达模块，用于基于所述个人信息词粒度上下文语义特征向量，对所述整形手术病历数据语义编码特征向量的序列进行约束性融合以得到个人信息语义约束下整形手术病历全局语义编码特征向量作为个人信息语义约束下整形手术病历全局语义编码特征；

8、手术风险等级检测模块，用于基于所述个人信息语义约束下整形手术病历全局语义编码特征，确定整形手术的风险等级标签；

9、其中，所述语义约束表达模块，用于：

10、以如下融合公式基于所述个人信息词粒度上下文语义特征向量，对所述整形手术病历数据语义编码特征向量的序列进行约束性融合以得到个人信息语义约束下整形手术病历全局语义编码特征向量；

11、其中，所述融合公式为：

12、；

13、；

14、其中，表示所述个人信息词粒度上下文语义特征向量，表示1×的矩阵，等于所述个人信息词粒度上下文语义特征向量的尺度，b是1×的矩阵，等于所述整形手术病历数据语义编码特征向量的序列中整形手术病历数据语义编码特征向量的数量，是sigmoid函数，为权重系数，和表示1×1卷积核的卷积操作，表示所述整形手术病历数据语义编码特征向量的序列中的各个整形手术病历数据语义编码特征向量，n表示所述整形手术病历数据语义编码特征向量的序列中的各个整形手术病历数据语义编码特征向量的尺度，表示所述个人信息语义约束下整形手术病历全局语义编码特征向量。

15、在上述基于机器学习的整形数据智能分析系统中，所述个人信息语义编码模块，用于：将所述整形手术患者的个人信息进行分词处理后通过包含词嵌入层的个人信息上下文语义编码器以得到所述个人信息词粒度上下文语义特征向量。

16、在上述基于机器学习的整形数据智能分析系统中，所述个人信息语义编码模块，包括：分词单元，用于对所述整形手术患者的个人信息进行分词处理以将所述整形手术患者的个人信息转化为由多个词组成的词序列；嵌入编码单元，用于使用所述包含词嵌入层的个人信息上下文语义编码器的词嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；以及，上下文编码单元，用于使用所述包含词嵌入层的个人信息上下文语义编码器对所述词向量的序列进行基于全局的上下文语义编码以获得所述个人信息词粒度上下文语义特征向量。

17、在上述基于机器学习的整形数据智能分析系统中，所述手术风险等级检测模块，包括：病历全局语义特征优化表达单元，用于对所述个人信息语义约束下整形手术病历全局语义编码特征向量进行特征分布优化以得到优化个人信息语义约束下整形手术病历全局语义编码特征向量；整形手术风险检测单元，用于将所述优化个人信息语义约束下整形手术病历全局语义编码特征向量通过分类器以得到分类结果，所述分类结果用于表示整形手术的风险等级标签。

18、在上述基于机器学习的整形数据智能分析系统中，所述病历全局语义特征优化表达单元，包括：特征优化融合子单元，用于对所述个人信息词粒度上下文语义特征向量和所述整形手术病历数据语义编码特征向量的序列以特征值为粒度进行优化融合以得到优化融合特征向量；级联融合子单元，用于将所述优化融合特征向量与所述个人信息语义约束下整形手术病历全局语义编码特征向量进行级联以得到所述优化个人信息语义约束下整形手术病历全局语义编码特征向量。

19、在上述基于机器学习的整形数据智能分析系统中，所述整形手术风险检测单元，包括：全连接编码子单元，用于使用所述分类器的多个全连接层对所述优化个人信息语义约束下整形手术病历全局语义编码特征向量进行全连接编码以得到编码分类特征向量；以及，分类子单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

20、本技术还提供了一种基于机器学习的整形数据智能分析方法，其包括：

21、获取整形手术患者的个人信息和病历数据；

22、对所述整形手术患者的个人信息进行基于词粒度的语义理解以得到个人信息词粒度上下文语义特征向量；

23、将所述病历数据按照整形手术的时间进行划分以得到整形手术病历数据的集合；

24、将所述整形手术病历数据的集合中的各个整形手术病历数据通过整形手术病历语义编码器以得到整形手术病历数据语义编码特征向量的序列；

25、基于所述个人信息词粒度上下文语义特征向量，对所述整形手术病历数据语义编码特征向量的序列进行约束性融合以得到个人信息语义约束下整形手术病历全局语义编码特征向量作为个人信息语义约束下整形手术病历全局语义编码特征；

26、基于所述个人信息语义约束下整形手术病历全局语义编码特征，确定整形手术的风险等级标签；

27、其中，基于所述个人信息词粒度上下文语义特征向量，对所述整形手术病历数据语义编码特征向量的序列进行约束性融合以得到个人信息语义约束下整形手术病历全局语义编码特征向量作为个人信息语义约束下整形手术病历全局语义编码特征，用于：

28、以如下融合公式基于所述个人信息词粒度上下文语义特征向量，对所述整形手术病历数据语义编码特征向量的序列进行约束性融合以得到个人信息语义约束下整形手术病历全局语义编码特征向量；

29、其中，所述融合公式为：

30、；

31、；

32、其中，表示所述个人信息词粒度上下文语义特征向量，表示1×的矩阵，等于所述个人信息词粒度上下文语义特征向量的尺度，b是1×的矩阵，等于所述整形手术病历数据语义编码特征向量的序列中整形手术病历数据语义编码特征向量的数量，是sigmoid函数，为权重系数，和表示1×1卷积核的卷积操作，表示所述整形手术病历数据语义编码特征向量的序列中的各个整形手术病历数据语义编码特征向量，n表示所述整形手术病历数据语义编码特征向量的序列中的各个整形手术病历数据语义编码特征向量的尺度，表示所述个人信息语义约束下整形手术病历全局语义编码特征向量。

33、在上述基于机器学习的整形数据智能分析方法中，对所述整形手术患者的个人信息进行基于词粒度的语义理解以得到个人信息词粒度上下文语义特征向量，包括：将所述整形手术患者的个人信息进行分词处理后通过包含词嵌入层的个人信息上下文语义编码器以得到所述个人信息词粒度上下文语义特征向量。

34、在上述基于机器学习的整形数据智能分析方法中，将所述整形手术患者的个人信息进行分词处理后通过包含词嵌入层的个人信息上下文语义编码器以得到所述个人信息词粒度上下文语义特征向量，包括：对所述整形手术患者的个人信息进行分词处理以将所述整形手术患者的个人信息转化为由多个词组成的词序列；使用所述包含词嵌入层的个人信息上下文语义编码器的词嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；以及，使用所述包含词嵌入层的个人信息上下文语义编码器对所述词向量的序列进行基于全局的上下文语义编码以获得所述个人信息词粒度上下文语义特征向量。

35、与现有技术相比，本技术提供的基于机器学习的整形数据智能分析系统及方法，其获取整形手术患者的个人信息和病历数据，对患者个人信息进行基于词粒度的语义理解以得到个人信息词粒度上下文语义特征向量，将病历数据按整形手术时间划分得到病历数据集合，通过整形手术病历语义编码器对病历数据进行语义编码得到特征向量序列，基于个人信息语义特征和病历数据的特征序列进行约束性融合得到个人信息语义约束下整形手术病历全局语义编码特征向量，最终确定整形手术的风险等级标签。这样，可以自动地对整形手术的风险进行分类和预测，为患者和医生提供更科学和有效的参考。