基于支持向量机回归的压电阻抗溶栓效果预测方法和系统

技术领域

本发明涉及溶栓效果预测技术领域，尤其涉及一种基于支持向量机回归的压电阻抗溶栓效果预测方法和系统。

背景技术

根据全球疾病负担研究(Global burden of disease study,GBD)数据显示，脑卒中是世界上排在前三位的常见致死致残病因，同时也是我国致死致残的首要病因。全球每年有过千万人群患卒中，这其中很大一部分属于缺血性脑卒中。缺血性脑中卒中的主要原因是脑血栓阻塞血管，减少或切断了大脑的养分供应，导致脑损伤，从而引起语言障碍、肢体障碍甚至死亡。在许多情况下，脑卒中会突然发生，几小时后就会对大脑造成不可逆转的伤害。因此，应尽快清除、溶解血栓，以重新打开被阻塞的血管，避免造成脑损伤。

国际上治疗缺血性脑卒中的方法主要有两种：药物溶栓和机械祛栓。其中采用注射溶栓剂如rt-PA、尿激酶等药物进行药物溶栓是世界上公认的治疗方法。但是采用药物溶栓存在治疗时间窗，一般为症状发生后的3-4.5小时内注射药物。由于患者在症状出现后花费大量时间送医和确认病因，导致大部分患者不具备在时间窗内采用药物溶栓的治疗方法。同时，药物溶栓存在一定缺点，如血管再通时间长、再通率较低，且大量使用溶栓药剂易出现颅内出血。为此，国内外出现了机械式介入祛栓系统，通过自膨胀螺旋圈或者支架机构在血管内定点抓取血栓并取出体外。机械式祛栓系统相对于药物溶栓具有时间窗更长、再通率更高、再通时间更快等优点。但是，由于自膨胀支架结构的特点，其容易造成血管内壁损伤且不易于在直径较小的血管中使用。

针对以上存在的问题，国外Zhongwei Jiang等人提出了通过压电元件驱动机械振动的方法来搅拌破碎血栓并加快血栓的溶解速度。具体方法是在血栓堵塞的位置注入少量的溶栓药剂，通过所设计的微型振动执行器所产生的振动搅拌和破碎血栓，让其充分与溶栓药物结合，从而达到快速碎溶栓的目的。在此观点的基础上，杨晶晶等人设计了适用于脑血管的微型振动执行器。

血栓由于生成部位、形成原因以及形成时间的不同，其物理特性也呈现多样化，需要的碎溶栓控制参数和溶栓药物剂量也不同。为了加快通栓时间并更好地制订振动执行器的控制策略，实时获取执行器在血管中的溶栓效果显得十分重要。而传统的溶栓效果预测方法存在着可靠性低和准确性不高的技术问题。

发明内容

有鉴于此，本申请提供了一种基于支持向量机回归的压电阻抗溶栓效果预测方法和系统，以缓解现有技术中存在的可靠性低和准确性不高的技术问题。

第一方面，本发明实施例提供了一种基于支持向量机回归的压电阻抗溶栓效果预测方法，包括：利用血栓振动执行器，测试不同浓度溶栓溶液所对应的压电阻抗数据；将所述压电阻抗数据进行标准化处理，得到训练集和测试集；以所述训练集和所述测试集作为特征参数，输入到由灰狼算法优化的支持向量机回归模型中进行训练和测试，得到训练好的支持向量机回归模型；基于所述训练好的支持向量机回归模型和目标压电阻抗数据，预测待测目标的血液浓度；所述目标压电阻抗数据为所述血栓振动执行器对所述待测目标所采集的血液压电阻抗数据；基于血液浓度对所述待测目标的溶栓效果进行预测。

进一步地，利用血栓振动执行器，测试不同浓度溶栓溶液所对应的压电阻抗数据，包括：配比模拟不同浓度溶栓溶液，并插入所述血栓振动执行器；通过所述血栓振动执行器的函数发生器和功率放大器输入预设共振频率的正弦驱动信号，使所述血栓振动执行器产生振动并充分搅拌所述不同浓度溶栓溶液；通过所述血栓振动执行器的阻抗分析仪，测量搅拌之后的不同浓度溶栓溶液的实部压电阻抗数据，得到所述不同浓度溶栓溶液所对应的压电阻抗数据。

进一步地，将所述压电阻抗数据进行标准化处理，包括：基于均值方差归一化的方法对所述压电阻抗数据进行标准化处理。

进一步地，以所述训练集和所述测试集作为特征参数，输入到由灰狼算法优化的支持向量机回归模型中进行训练和测试，包括：对所述压电阻抗数据进行数学分析，构建支持向量机回归模型；建立灰狼优化算法并寻找所述支持向量机回归模型参数的最优值，包括：确定灰狼算法的目标值函数；设置惩罚因子和高斯核函数参数的搜索范围、灰狼的种群大小和最大迭代次数；随机初始化灰狼种群；将初始化的灰狼种群分类，根据计算的每匹狼的目标值函数的数值，依大小进行排序，按照设置的种群大小依次从大往下命名为a、b、c、d；更新a、b、c狼的位置，并计算d狼与更新后a、b、c狼的位置，根据离d最近的三匹头领狼的位置来更新当前d狼的位置；计算并比较新种群的最优目标值函数的数值，若比之前的目标值函数值的数值优，则更新目标值函数的数值，同时，迭代次数加一，继续循环执行位置更新，直到迭代次数达到最大迭代次数。

进一步地，基于血液浓度对所述待测目标的溶栓效果进行预测，包括：确定所述血液浓度所在的目标浓度区间；基于预设浓度区间与溶栓效果对应关系表，确定所述目标浓度区间所对应的溶栓效果。

第二方面，本发明实施例还提供了一种基于支持向量机回归的压电阻抗溶栓效果预测系统，包括：测试模块，处理模块，训练模块，第一预测模块和第二预测模块；其中，所述测试模块，用于利用血栓振动执行器，测试不同浓度溶栓溶液所对应的压电阻抗数据；所述处理模块，用于将所述压电阻抗数据进行标准化处理，得到训练集和测试集；所述训练模块，用于以所述训练集和所述测试集作为特征参数，输入到由灰狼算法优化的支持向量机回归模型中进行训练和测试，得到训练好的支持向量机回归模型；所述第一预测模块，用于基于所述训练好的支持向量机回归模型和目标压电阻抗数据，预测待测目标的血液浓度；所述目标压电阻抗数据为所述血栓振动执行器对所述待测目标所采集的血液压电阻抗数据；所述第二预测模块，用于基于血液浓度对所述待测目标的溶栓效果进行预测。

进一步地，所述测试模块，还用于：配比模拟不同浓度溶栓溶液，并插入所述血栓振动执行器；通过所述血栓振动执行器的函数发生器和功率放大器输入预设共振频率的正弦驱动信号，使所述血栓振动执行器产生振动并充分搅拌所述不同浓度溶栓溶液；通过所述血栓振动执行器的阻抗分析仪，测量搅拌之后的不同浓度溶栓溶液的实部压电阻抗数据，得到所述不同浓度溶栓溶液所对应的压电阻抗数据。

进一步地，所述训练模块，还用于：对所述压电阻抗数据进行数学分析，构建支持向量机回归模型；建立灰狼优化算法并寻找所述支持向量机回归模型参数的最优值，包括：确定灰狼算法的目标值函数；设置惩罚因子和高斯核函数参数的搜索范围、灰狼的种群大小和最大迭代次数；随机初始化灰狼种群；将初始化的灰狼种群分类，根据计算的每匹狼的目标值函数的数值，依大小进行排序，按照设置的种群大小依次从大往下命名为a、b、c、d；更新a、b、c狼的位置，并计算d狼与更新后a、b、c狼的位置，根据离d最近的三匹头领狼的位置来更新当前d狼的位置；计算并比较新种群的最优目标值函数的数值，若比之前的目标值函数值的数值优，则更新目标值函数的数值，同时，迭代次数加一，继续循环执行位置更新，直到迭代次数达到最大迭代次数。

进一步地，所述第二预测模块，还用于：确定所述血液浓度所在的目标浓度区间；基于预设浓度区间与溶栓效果对应关系表，确定所述目标浓度区间所对应的溶栓效果。

第三方面，本发明实施例还提供了一种电子设备，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的处理方法。

本发明提供了一种基于支持向量机回归的压电阻抗溶栓效果预测方法和系统，由于血栓振动执行器溶栓效果受外界影响呈现非线性变化，利用灰狼算法优化的支持向量机回归构建的血栓溶解效果预测模型对实验得到的浓度和对应的压电阻抗数据进行训练，可以对执行器碎溶栓后的血液浓度通过反馈的压电阻抗进行准确预测，且相对传统的回归型支持向量机的预测精度有明显提升，缓解了现有技术中存在的可靠性低和准确性不高的技术问题。

附图说明

为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于支持向量机回归的压电阻抗溶栓效果预测方法的流程图；

图2为本发明实施例提供的一种血栓振动执行器的示意图；

图3为本发明实施例提供的一种传统的支持向量机回归的预测值与真实值的对比图；

图4为本发明实施例提供的一种基于灰狼算法优化的支持向量机回归的血栓搅拌效果的预测值和真实值的对比图；

图5为本发明实施例提供的一种基于支持向量机回归的压电阻抗溶栓效果预测系统的示意图。

具体实施方式

为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如后。

实施例一：

图1是根据本发明实施例提供的一种基于支持向量机回归的压电阻抗溶栓效果预测方法的流程图。如图1所示，该方法具体包括如下步骤：

步骤S102，利用血栓振动执行器，测试不同浓度溶栓溶液所对应的压电阻抗数据。

步骤S104，将压电阻抗数据进行标准化处理，得到训练集和测试集。

可选地，在本发明实施例中，基于均值方差归一化的方法对不同浓度溶液及压电阻抗数据进行标准化处理。

步骤S106，以训练集和测试集作为特征参数，输入到由灰狼算法优化的支持向量机回归模型中进行训练和测试，得到训练好的支持向量机回归模型。

步骤S108，基于训练好的支持向量机回归模型和目标压电阻抗数据，预测待测目标的血液浓度；目标压电阻抗数据为血栓振动执行器对待测目标所采集的血液压电阻抗数据。

步骤S110，基于血液浓度对待测目标的溶栓效果进行预测。

本发明提供了一种基于支持向量机回归的压电阻抗溶栓效果预测方法，由于血栓振动执行器溶栓效果受外界影响呈现非线性变化，利用灰狼算法优化的支持向量机回归构建的血栓溶解效果预测模型对实验得到的浓度和对应的压电阻抗数据进行训练，可以对执行器碎溶栓后的血液浓度通过反馈的压电阻抗进行准确预测，且相对传统的回归型支持向量机的预测精度有明显提升，缓解了现有技术中存在的可靠性低和准确性不高的技术问题。

具体地，步骤S102还包括如下步骤：

步骤S1021，配比模拟不同浓度溶栓溶液，并插入血栓振动执行器。

可选地，图2是根据本发明实施例提供的一种血栓振动执行器的示意图。如图2所示，在本发明实施例中，血栓振动执行器包括阻抗分析仪、上位机、功率放大器和信号发生器；其中，阻抗分析仪包括压电晶体。

步骤S1022，通过血栓振动执行器的函数发生器和功率放大器输入预设共振频率的正弦驱动信号，使血栓振动执行器产生振动并充分搅拌不同浓度溶栓溶液；

步骤S1023，通过血栓振动执行器的阻抗分析仪，测量搅拌之后的不同浓度溶栓溶液的实部压电阻抗数据，得到不同浓度溶栓溶液所对应的压电阻抗数据。

例如，在本发明实施例中，设计微型血栓振动执行器并搭建模拟执行器溶栓的实验平台，在实验得到的最佳频率范围内进行对应的溶栓效果测试，得到60组不同血液浓度下压电元件反馈的实部压电阻抗值，将所有的数据进行标准化处理，从中随机选取2/3的实验数据作为训练集，另外1/3的数据作为测试集。

具体地，在采集60组实验数据的过程中，采用配比好浓度的溶液，将执行器尖端插入溶液中，通过信号发生器和放大器输入共振频率为659.8Hz的50V正弦信号，振动执行器产生振动并使溶液搅拌均匀。搅拌均匀后，采用阻抗分析仪输入1V的扫频信号，扫频频率设置为600Hz-730Hz，步长为1.3Hz，采集点为101点，取压电晶体反馈的实部压电阻抗作为输出。实验中，通过与压电晶体相连的阻抗分析仪可将不同血液浓度下压电晶体的实部压电阻抗值实时记录输出并保存至上位机。从测好的60组实验数据中随机选择2/3组实验数据作为训练集，剩余1/3组数据作为测试集。同时针对样本中各变量间的量纲问题，对训练、测试数据进行均值方差归一化处理。

具体地，步骤S106还包括如下步骤：

步骤S1061，对压电阻抗数据进行数学分析，构建支持向量机回归模型；

步骤S1062，建立灰狼优化算法并寻找支持向量机回归模型参数的最优值，包括：

确定灰狼算法的目标值函数；

设置惩罚因子和高斯核函数参数的搜索范围、灰狼的种群大小和最大迭代次数；

随机初始化灰狼种群；

将初始化的灰狼种群分类，根据计算的每匹狼的目标值函数的数值，依大小进行排序，按照设置的种群大小依次从大往下命名为a、b、c、d；

更新a、b、c狼的位置，并计算d狼与更新后a、b、c狼的位置，根据离d最近的三匹头领狼的位置来更新当前d狼的位置；

计算并比较新种群的最优目标值函数的数值，若比之前的目标值函数值的数值优，则更新目标值函数的数值，同时，迭代次数加一，继续循环执行位置更新，直到迭代次数达到最大迭代次数。

具体地，在本发明实施例中，对血液浓度以及压电晶片反馈的实部压电阻抗值进行数学分析，采用支持向量机回归进行相应的压电阻抗溶栓效果预测，并选择高斯核函数当作支持向量机回归的核函数；首先，假设给定含有n个样本的样本集

将样本集从低维空间通过非线性映射到高维空间，非线性映射的支持向量回归表达式表述为：

式中：K(x

为了支持向量机回归有着高的预测精度，引入高斯核函数作为支持向量机回归的核函数，该核函数表示为：

相较于传统的回归模型，只有当预测值f(x)与真实值y相等时，才判定为预测正确，即损失为零，而支持向量机回归容忍真实值与预测值之间有个损失偏差ε，当预测值在这个偏差带里面的时候，也认为是预测正确，于是SVR问题可形式化为：

其中，C为惩罚因子，l

引入松弛变量ξ

其中ε(ε>0)是允许的最大误差，引入核函数与拉格朗日乘子，式(5)可表示为下列等式：

其中α

其中K(x,x

针对数据中的量纲不一致的问题，应用均值方差归一化对数据进行预处理，均值方差归一化的公式如下：

其中，x为要归一化的值，μ为样本均值，S为样本的标准差。

考虑惩罚系数C和核函数参数γ对预测模型影响较大，因此利用灰狼优化算法对惩罚因子C和核函数参数γ进行寻优。

在预测模型建立后，以血栓振动执行器的压电晶体的实部压电阻抗信号作为输入样本，以血液浓度值作为输出样本，为提高预测的准确性，利用60组实验数据中的2/3的数据作为大样本训练数据。

具体地，在本发明实施例中，建立灰狼优化算法并进行支持向量机回归模型参数的寻优过程如下：

对惩罚系数C以及核函数参数γ进行寻优，其流程为：1)确定灰狼算法的目标值函数；2)设置惩罚因子C和高斯核函数参数γ的搜索范围ori_w_range_c、ori_w_range_gamma、灰狼的种群大小num、最大迭代次数total_nums；3)随机初始化灰狼种群；4)将初始化的灰狼种群分类，根据计算的每匹狼的适应度函数值，依大小进行排序，按照设置的种群大小依次从大往下命名为a,b,c,d；5)更新a,b,c等狼的位置，并计算d与更新后a,b,c等狼的位置，根据离d最近的三匹头领狼的位置来更新当前d狼的位置；6)计算并比较新种群的最优目标值函数值，若比之前的目标值函数值还要优，则更新目标值函数值，同时，令t＝t+1，转向5)继续执行。若比之前的目标值函数值要差，则设置的计数器加1，当达到最大迭代次数total_nums，或者计数器的计数达到20，则算法退出；7)利用灰狼算法对回归型支持向量机的参数进行寻优。

可选地，本发明实施例提供的方法还包括：应用决定系数R

图3为本发明实施例提供的一种传统的支持向量机回归(SVR)的预测值与真实值的对比图，图4为本发明实施例提供的一种基于灰狼算法优化的支持向量机回归的血栓搅拌效果的预测值和真实值的对比图，其中，图3、图4的横纵坐标均为标准化处理后的无量纲数据。如图3和图4所示，本发明实施例中的GWO-SVR预测算法相对传统的SVR精度提升明显。GWO-SVR的均方误差E从SVR的0.05483498191998703降低到0.02810084622159569，降幅48.75％，而决定系数R

具体地，步骤S110还包括如下步骤：

步骤S1101，确定血液浓度所在的目标浓度区间；

步骤S1102，基于预设浓度区间与溶栓效果对应关系表，确定目标浓度区间所对应的溶栓效果。

在本发明实施例中，当准确预测出溶栓溶液的浓度以后，根据预测结果可以初步制定溶栓效果的评价标准，预测溶液浓度在0％-20％之间为低等溶栓效果，浓度在20％-50％为中等溶栓效果，50％-70％之间为高等溶栓效果，如表1所示。

表1预设浓度区间与溶栓效果对应关系表

综上所述，基于GWO-SVR的预测算法预测血栓溶解程度的准确率要高于传统的支持向量机回归即SVR预测算法，通过压电阻抗较准确地预测出溶液浓度即可作为评价执行器溶栓效果的重要依据。

实施例二：

图5是根据本发明实施例提供的一种基于支持向量机回归的压电阻抗溶栓效果预测系统的示意图。如图5所示，该系统包括：测试模块10，处理模块20，训练模块30，第一预测模块40和第二预测模块50。

具体地，测试模块10，用于利用血栓振动执行器，测试不同浓度溶栓溶液所对应的压电阻抗数据。

处理模块20，用于将压电阻抗数据进行标准化处理，得到训练集和测试集。

可选地，在本发明实施例中，基于均值方差归一化的方法对压电阻抗数据进行标准化处理。

训练模块30，用于以训练集和测试集作为特征参数，输入到由灰狼算法优化的支持向量机回归模型中进行训练和测试，得到训练好的支持向量机回归模型。

第一预测模块40，用于基于训练好的支持向量机回归模型和目标压电阻抗数据，预测待测目标的血液浓度；目标压电阻抗数据为血栓振动执行器对待测目标所采集的血液压电阻抗数据。

第二预测模块50，用于基于血液浓度对待测目标的溶栓效果进行预测。

本发明提供了一种基于支持向量机回归的压电阻抗溶栓效果预测系统，由于血栓振动执行器溶栓效果受外界影响呈现非线性变化，利用灰狼算法优化的支持向量机回归构建的血栓溶解效果预测模型对实验得到的浓度和对应的压电阻抗数据进行训练，可以对执行器碎溶栓后的血液浓度通过反馈的压电阻抗进行准确预测，且相对传统的回归型支持向量机的预测精度有明显提升，缓解了现有技术中存在的可靠性低和准确性不高的技术问题。

具体地，测试模块10，还用于：

配比模拟不同浓度溶栓溶液，并插入血栓振动执行器；

通过血栓振动执行器的函数发生器和功率放大器输入预设共振频率的正弦驱动信号，使血栓振动执行器产生振动并充分搅拌不同浓度溶栓溶液；

通过血栓振动执行器的阻抗分析仪，测量搅拌之后的不同浓度溶栓溶液的实部压电阻抗数据，得到不同浓度溶栓溶液所对应的压电阻抗数据。

具体地，训练模块30，还用于：

对压电阻抗数据进行数学分析，构建支持向量机回归模型；

建立灰狼优化算法并寻找支持向量机回归模型参数的最优值，包括：

确定灰狼算法的目标值函数；

设置惩罚因子和高斯核函数参数的搜索范围、灰狼的种群大小和最大迭代次数；

随机初始化灰狼种群；

将初始化的灰狼种群分类，根据计算的每匹狼的目标值函数的数值，依大小进行排序，按照设置的种群大小依次从大往下命名为a、b、c、d；

更新a、b、c狼的位置，并计算d狼与更新后a、b、c狼的位置，根据离d最近的三匹头领狼的位置来更新当前d狼的位置；

计算并比较新种群的最优目标值函数的数值，若比之前的目标值函数值的数值优，则更新目标值函数的数值，同时，迭代次数加一，继续循环执行位置更新，直到迭代次数达到最大迭代次数。

具体地，第二预测模块50，还用于：

确定血液浓度所在的目标浓度区间；

基于预设浓度区间与溶栓效果对应关系表，确定目标浓度区间所对应的溶栓效果。

本发明实施例还提供了一种电子设备，包括：存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如实施例一中的处理方法。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。