本發(fā)明屬于人工智能，具體的說(shuō)是基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化系統(tǒng)及方法。

背景技術(shù)：

1、超聲波治療儀是將電能轉(zhuǎn)換為聲能作用于肌體，利用超聲波的機(jī)械效應(yīng)、溫?zé)嵝?yīng)和理化效應(yīng)，實(shí)現(xiàn)軟化組織、增強(qiáng)滲透、促進(jìn)新陳代謝、改善血液和淋巴循環(huán)、刺激神經(jīng)系統(tǒng)及細(xì)胞功能等，從而達(dá)到預(yù)防和治療疾病的目的的設(shè)備，現(xiàn)有超聲波治療儀主要包含主機(jī)和治療頭兩部分，主機(jī)中設(shè)有超聲波治療儀驅(qū)動(dòng)電路以生成超聲波信號(hào)，通過治療頭輸出；

2、超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化在現(xiàn)有技術(shù)中仍然存在一些問題和挑戰(zhàn)，現(xiàn)有技術(shù)在進(jìn)行超聲波醫(yī)療參數(shù)調(diào)節(jié)的過程中無(wú)法對(duì)歷史患者體質(zhì)變化數(shù)據(jù)和治療過程中的超聲波醫(yī)療參數(shù)綜合分析，無(wú)法兼顧患者的治療效果和超聲波治療設(shè)備的損傷，導(dǎo)致降低了超聲醫(yī)療的治療效果和效率，為了解決這些問題，本技術(shù)設(shè)計(jì)了基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化系統(tǒng)及方法。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化系統(tǒng)及方法。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化方法，其包括以下具體步驟：

4、s1、獲取歷史進(jìn)行超聲波治療的患者的治療前的身體體質(zhì)數(shù)據(jù)，同時(shí)獲取對(duì)應(yīng)患者治療后的身體體質(zhì)數(shù)據(jù)，獲取治療過程中的超聲波醫(yī)療參數(shù)；

5、s2、將獲取得到的身體體質(zhì)數(shù)據(jù)導(dǎo)入身體體質(zhì)評(píng)估模型中進(jìn)行身體體質(zhì)評(píng)估；

6、s3、通過歷史患者的身體體質(zhì)變化信息和治療過程中的超聲波醫(yī)療參數(shù)構(gòu)建預(yù)測(cè)超聲波醫(yī)療參數(shù)的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型；

7、s4、獲取需要治療的患者的身體體質(zhì)數(shù)據(jù)代入構(gòu)建的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行超聲波醫(yī)療參數(shù)的輸出；

8、s5、根據(jù)輸出的超聲波醫(yī)療參數(shù)進(jìn)行超聲波醫(yī)療設(shè)備的調(diào)節(jié)。

9、作為基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化方法的優(yōu)選技術(shù)方案，所述s1包括以下具體步驟：

10、s11、獲取歷史進(jìn)行超聲波治療的患者的治療前的身體體質(zhì)數(shù)據(jù)，其中，身體體質(zhì)數(shù)據(jù)包括血壓數(shù)據(jù)、脈搏數(shù)據(jù)和體溫?cái)?shù)據(jù)等能夠反映患者身體健康程度的身體數(shù)據(jù)，獲取歷史進(jìn)行超聲波治療的患者對(duì)應(yīng)治療過程中的超聲波醫(yī)療參數(shù)，儲(chǔ)存在第一儲(chǔ)存組件中；

11、s12、獲取對(duì)歷史進(jìn)行超聲波治療的患者的治療后的身體體質(zhì)數(shù)據(jù)，儲(chǔ)存在第二儲(chǔ)存組件中；

12、在此需要說(shuō)明的是，這里的身體體質(zhì)數(shù)據(jù)可通過攜帶在人體的智能體質(zhì)信息手環(huán)獲取；

13、作為基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化方法的優(yōu)選技術(shù)方案，所述s2中身體體質(zhì)評(píng)估模型的具體內(nèi)容如下：

14、s21、獲取得到的患者的治療前后的身體體質(zhì)數(shù)據(jù)，將獲取的患者的治療前后的身體體質(zhì)數(shù)據(jù)分別導(dǎo)入身體體質(zhì)評(píng)估值計(jì)算公式中計(jì)算治療前后的身體體質(zhì)評(píng)估值，其中，身體體質(zhì)評(píng)估值計(jì)算公式為：其中，n為身體體質(zhì)數(shù)據(jù)的種類，t為監(jiān)測(cè)時(shí)間，ai為第i種身體體質(zhì)數(shù)據(jù)的占比系數(shù)，xit為監(jiān)測(cè)t時(shí)刻的第i種身體體質(zhì)數(shù)據(jù)，xim為第i種身體體質(zhì)數(shù)據(jù)安全范圍中的最接近xit的值，xic為第i種身體體質(zhì)數(shù)據(jù)安全范圍中最大值與最小值的差值，dt為時(shí)間積分；

15、s22、獲取計(jì)算得到的治療前后的身體體質(zhì)評(píng)估值，將獲取的治療前后的身體體質(zhì)評(píng)估值代入身體體質(zhì)變化系數(shù)計(jì)算公式中計(jì)算治療前后的身體體質(zhì)變化系數(shù)，其中，身體體質(zhì)變化系數(shù)計(jì)算公式為：其中，ktz2為治療后的身體體質(zhì)變化系數(shù)，ktz1為治療前的身體體質(zhì)變化系數(shù)。

16、作為基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化方法的優(yōu)選技術(shù)方案，所述通過歷史患者的身體體質(zhì)變化信息和治療過程中的超聲波醫(yī)療參數(shù)構(gòu)建預(yù)測(cè)超聲波醫(yī)療參數(shù)的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型的具體內(nèi)容為：

17、s31、獲取歷史患者的治療前的身體體質(zhì)評(píng)估值、對(duì)應(yīng)歷史治療過程中的超聲波醫(yī)療參數(shù)和對(duì)應(yīng)的治療前后的身體體質(zhì)變化系數(shù)，構(gòu)建輸入為歷史患者的治療前的身體體質(zhì)評(píng)估值和需要的對(duì)應(yīng)的治療前后的身體體質(zhì)變化系數(shù)，輸出為治療過程中的超聲波醫(yī)療參數(shù)的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型；

18、s32、將提取的歷史患者的治療前的身體體質(zhì)評(píng)估值、對(duì)應(yīng)歷史治療過程中的超聲波醫(yī)療參數(shù)和對(duì)應(yīng)的治療前后的身體體質(zhì)變化系數(shù)分為70％的參數(shù)訓(xùn)練集和30％的參數(shù)測(cè)試集；將70％的參數(shù)訓(xùn)練集輸入深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，以得到初始深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型；利用30％的參數(shù)測(cè)試集對(duì)初始深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測(cè)試，輸出滿足治療過程中的超聲波醫(yī)療參數(shù)判斷準(zhǔn)確度的初始深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型作為深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，其中，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型中的特定神經(jīng)元的輸出策略公式為：其中為k+1層s項(xiàng)神經(jīng)元的輸出，為第k層神經(jīng)元m與k+1層s項(xiàng)神經(jīng)元的連接權(quán)重，代表第k層神經(jīng)元m的輸出，代表第k層神經(jīng)元m與k+1層s項(xiàng)神經(jīng)元的線性關(guān)系的偏置，σ()代表sigmoid激活函數(shù)，m為第k層神經(jīng)元數(shù)量；

19、作為基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化方法的優(yōu)選技術(shù)方案，所述獲取需要治療的患者的身體體質(zhì)數(shù)據(jù)代入構(gòu)建的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行超聲波醫(yī)療參數(shù)的輸出包括以下具體內(nèi)容：

20、s41、獲取需要進(jìn)行治療的患者的治療前身體體質(zhì)數(shù)據(jù)，同時(shí)獲取需要進(jìn)行治療的身體體質(zhì)變化系數(shù)安全范圍，將需要進(jìn)行治療的患者的治療前身體體質(zhì)數(shù)據(jù)和身體體質(zhì)變化系數(shù)安全范圍導(dǎo)入構(gòu)建的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型中，輸出符合能夠達(dá)到的身體體質(zhì)變化系數(shù)安全范圍中最大值的治療過程中的超聲波醫(yī)療參數(shù)，設(shè)為最優(yōu)超聲波醫(yī)療參數(shù)；

21、s42、將獲取的最優(yōu)超聲波醫(yī)療參數(shù)導(dǎo)入醫(yī)療健康系數(shù)計(jì)算公式中計(jì)算最優(yōu)超聲波醫(yī)療參數(shù)的醫(yī)療健康系數(shù)，其中，醫(yī)療健康系數(shù)計(jì)算公式為：其中，c為超聲波醫(yī)療參數(shù)種類數(shù)量，tc為最優(yōu)超聲波醫(yī)療參數(shù)中第c項(xiàng)的值，tcm為超聲波醫(yī)療參數(shù)中第c項(xiàng)安全范圍中最接近tc的值，tcmax為超聲波醫(yī)療參數(shù)中第c項(xiàng)安全范圍中最大值，tcmin為超聲波醫(yī)療參數(shù)中第c項(xiàng)安全范圍中最小值；

22、s43、若計(jì)算得到的e大于0，則舍去對(duì)應(yīng)的最優(yōu)超聲波醫(yī)療參數(shù)，選擇輸出符合能夠達(dá)到的身體體質(zhì)變化系數(shù)安全范圍中第二大的治療過程中的超聲波醫(yī)療參數(shù)，重新進(jìn)行s42步驟，以此類推，得到e等于0的超聲波醫(yī)療參數(shù)設(shè)為選擇超聲波醫(yī)療參數(shù)，并將選擇超聲波醫(yī)療參數(shù)輸出。

23、作為基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化方法的優(yōu)選技術(shù)方案，所述根據(jù)輸出的超聲波醫(yī)療參數(shù)進(jìn)行超聲波醫(yī)療設(shè)備的調(diào)節(jié)包括以下具體內(nèi)容：

24、獲取輸出的選擇超聲波醫(yī)療參數(shù)，控制模組將超聲波醫(yī)療設(shè)備的參數(shù)調(diào)節(jié)至選擇超聲波醫(yī)療參數(shù)，患者進(jìn)行超聲波治療。

25、在此需要說(shuō)明的是，這里的第i種身體體質(zhì)數(shù)據(jù)的占比系數(shù)的取值方式為：獲取至少五千組患者身體體質(zhì)數(shù)據(jù)，醫(yī)療人員對(duì)這些患者進(jìn)行醫(yī)療緊急的區(qū)分，將患者身體體質(zhì)數(shù)據(jù)代入身體體質(zhì)評(píng)估值計(jì)算公式中計(jì)算身體體質(zhì)評(píng)估值，將計(jì)算得到的身體體質(zhì)評(píng)估值和醫(yī)療緊急的區(qū)分結(jié)果導(dǎo)入擬合軟件中進(jìn)行擬合，輸出滿足最高醫(yī)療緊急的區(qū)分結(jié)果準(zhǔn)確率的第i種身體體質(zhì)數(shù)據(jù)的占比系數(shù)的取值。

26、基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化系統(tǒng)，其基于上述基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化方法實(shí)現(xiàn)，其具體包括：

27、數(shù)據(jù)采集模塊，用于獲取歷史進(jìn)行超聲波治療的患者的治療前的身體體質(zhì)數(shù)據(jù)，同時(shí)獲取對(duì)應(yīng)患者治療后的身體體質(zhì)數(shù)據(jù)，獲取治療過程中的超聲波醫(yī)療參數(shù)；

28、身體體質(zhì)評(píng)估模塊，用于將獲取得到的身體體質(zhì)數(shù)據(jù)導(dǎo)入身體體質(zhì)評(píng)估模型中進(jìn)行身體體質(zhì)評(píng)估；

29、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型構(gòu)建模塊，用于通過歷史患者的身體體質(zhì)變化信息和治療過程中的超聲波醫(yī)療參數(shù)構(gòu)建預(yù)測(cè)超聲波醫(yī)療參數(shù)的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型；

30、超聲波醫(yī)療參數(shù)輸出模塊，用于獲取需要治療的患者的身體體質(zhì)數(shù)據(jù)代入構(gòu)建的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行超聲波醫(yī)療參數(shù)的輸出；

31、設(shè)備調(diào)節(jié)模塊，用于根據(jù)輸出的超聲波醫(yī)療參數(shù)進(jìn)行超聲波醫(yī)療設(shè)備的調(diào)節(jié)；

32、控制模塊，用于控制數(shù)據(jù)采集模塊、身體體質(zhì)評(píng)估模塊、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型構(gòu)建模塊、超聲波醫(yī)療參數(shù)輸出模塊和設(shè)備調(diào)節(jié)模塊的運(yùn)行。

33、一種電子設(shè)備，包括：處理器和存儲(chǔ)器，其中，所述存儲(chǔ)器中存儲(chǔ)有可供處理器調(diào)用的計(jì)算機(jī)程序；

34、所述處理器通過調(diào)用所述存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)程序，執(zhí)行上述的基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化方法。

35、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，儲(chǔ)存有指令，當(dāng)所述指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行如上述的基于人工智能的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化方法。

36、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

37、本發(fā)明獲取歷史進(jìn)行超聲波治療的患者的治療前的身體體質(zhì)數(shù)據(jù)，同時(shí)獲取對(duì)應(yīng)患者治療后的身體體質(zhì)數(shù)據(jù)，獲取治療過程中的超聲波醫(yī)療參數(shù)，將獲取得到的身體體質(zhì)數(shù)據(jù)導(dǎo)入身體體質(zhì)評(píng)估模型中進(jìn)行身體體質(zhì)評(píng)估，通過歷史患者的身體體質(zhì)變化信息和治療過程中的超聲波醫(yī)療參數(shù)構(gòu)建預(yù)測(cè)超聲波醫(yī)療參數(shù)的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，獲取需要治療的患者的身體體質(zhì)數(shù)據(jù)代入構(gòu)建的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行超聲波醫(yī)療參數(shù)的輸出，根據(jù)輸出的超聲波醫(yī)療參數(shù)進(jìn)行超聲波醫(yī)療設(shè)備的調(diào)節(jié)，同時(shí)對(duì)歷史患者體質(zhì)變化數(shù)據(jù)和治療過程中的超聲波醫(yī)療參數(shù)綜合分析，獲取最佳的超聲波醫(yī)療參數(shù)自適應(yīng)優(yōu)化方案，提高了患者的治療效果的同時(shí)，避免了超聲波治療設(shè)備的損傷，可以實(shí)現(xiàn)超聲波醫(yī)療參數(shù)的自適應(yīng)優(yōu)化，提高超聲醫(yī)療的治療效果和效率，為臨床醫(yī)生提供更可靠的輔助診斷和治療工具。