一种基于肠道细菌含量的便秘风险评估系统的制作方法

本发明涉及风险评估领域，尤其是一种基于肠道细菌含量的便秘风险评估系统。

背景技术：

1、便秘一直以来都是困扰人们的一个问题尤其是老年人，但是人们对造成便秘的原因并不了解，大多以为便秘主要与年龄饮食有关。现有的技术中，通过腹部平片、钡灌肠、结肠镜等方法来鉴别是否便秘，但是对造成便秘的微生物原因并不了解进而会继续被便秘问题所困扰。因此,本领域技术人员提供了一种基于肠道细菌含量的便秘风险评估系统,以解决上述背景技术中提出的问题。

技术实现思路

1、本发明的目的是通过提出一种基于肠道细菌含量的便秘风险评估系统，以解决上述背景技术中提出的缺陷。

2、本发明采用的技术方案如下：

3、提供一种基于肠道细菌含量的便秘风险评估系统，包括：

4、收集模块：用于通过收集装置收集待检测的粪便，然后留取状态好的标本作为检测标本；

5、检测模块：用于根据收集模块收集到的检测标本进行检测细菌种类和含量检测，获得细菌种类含量数据；

6、模型训练模块：用于根据医院系统数据库数据进行深度神经网络模型训练，获得可以进行分类评分的风险评估模型；

7、风险系数评分模块：用于连接风险评估模型进行便秘风险系数评分。

8、作为本发明的一种优选技术方案：所述收集模块中的状态好的标本包括大小为黄豆块大小的标本、有粘液的标本、有脓血的标本。

9、作为本发明的一种优选技术方案：所述收集模块的收集装置为标本盒。

10、作为本发明的一种优选技术方案：所述检测模块中的检测方法是通过分子生物鉴定法鉴定粪便中细菌的种类和含量推断出肠道内细菌的种类和含量。

11、作为本发明的一种优选技术方案：所述分子生物鉴定法是通过检测细菌的dna序列来鉴别细菌种类为pcr扩增法进行细菌种类含量测定，获得细菌种类含量数据。

12、作为本发明的一种优选技术方案：对细菌种类含量数据进行数据聚类，根据细菌的种类和含量不同将细菌种类含量数据分为k类，其中聚类算法为k-means算法，k-means算法步骤如下：

13、2.1：设置参数k，将细菌种类含量数据分为k类；

14、2.2：从细菌种类含量数据中选取k个数据作为基本点；

15、2.3：通过欧几里得距离公式对细菌种类含量数据进行聚类：

16、

17、其中(x,y)为细菌种类含量数据的坐标点，根据基本点对细菌种类含量数据进行数据聚类；

18、2.4：对每一次聚类进行重新求质心作为下一次聚类的基本点：

19、

20、

21、其中(xi,yi)为前i-1个细菌种类含量数据的基本点；

22、2.5：重复2.3和2.4直到细菌种类含量数据全部收敛。

23、作为本发明的一种优选技术方案：所述识别模块中，所述模型训练模块中，基于深度神经网络算法将医院数据库中的细菌种类含量数据作为训练集训练过程如下：

24、3.1：将医院数据库中的细菌种类含量数据作为训练集输入；

25、3.2：对输入的训练集进行前向传播：

26、

27、其中z为训练集输入的向量，ω为权重系数，α为激活后的输出向量，σ(zi)为激活函数；

28、3.3：计算传播误差；

29、3.4：通过梯度下降算法更新权重和偏置值：

30、

31、其中ω为权重，b为偏置，λ我学习率；

32、3.5：得到预测函数：

33、ri＝ωi*(xi,yi)+bi

34、其中r为最后分类结果。

35、作为本发明的一种优选技术方案：所述便秘风险系数评分模块将结果分为5类即a、b、c、d、e表示便秘风险系数，a表示便秘风险大于80％，b表示便秘风险为60％到80％，c表示便秘风险为40％到60％，d表示便秘风险为20％-40％，e表示便秘风险小于20％。

36、作为本发明的一种优选技术方案：所述收集模块在收集到检测标本后由检测模块对检测标本进行检测并获得细菌种类含量数据，模型训练模块根据医院数据库现有数据进行模型训练，风险系数评分模块对细菌种类含量数据进行风险系数评估。。

37、本发明提供的基于肠道细菌含量的便秘风险评估系统，与现有技术相比，其有益效果有：

38、本发明通过医院数据库现有的大量数据对造成便秘的细菌种类含量数据进行模型建立，对于细菌可能造成便秘的程度进行预测，同时对于非细菌原因导致的便秘也能稳妥安置不会因为少数非细菌原因造成的便秘对整体系统造成影响。

技术特征：

1.一种基于肠道细菌含量的便秘风险评估系统，其特征在于：包括：

2.根据权利要求1所述的基于肠道细菌含量的便秘风险评估系统，其特征在于：所述收集模块(100)中的状态好的标本包括大小为黄豆块大小的标本、有粘液的标本、有脓血的标本。

3.根据权利要求1所述的基于肠道细菌含量的便秘风险评估系统，其特征在于：所述收集模块(100)的收集装置为标本盒。

4.根据权利要求1所述的基于肠道细菌含量的便秘风险评估系统，其特征在于：所述检测模块(200)中的检测方法是通过分子生物鉴定法鉴定粪便中细菌的种类和含量推断出肠道内细菌的种类和含量。

5.根据权利要求4所述的基于肠道细菌含量的便秘风险评估系统，其特征在于：所述分子生物鉴定法是通过检测细菌的dna序列来鉴别细菌种类为pcr扩增法进行细菌种类含量测定，获得细菌种类含量数据。

6.根据权利要求5所述的基于肠道细菌含量的便秘风险评估系统，其特征在于：对细菌种类含量数据进行数据聚类，根据细菌的种类和含量不同将细菌种类含量数据分为k类，其中聚类算法为k-means算法，k-means算法步骤如下：

7.根据权利要求1所述的基于肠道细菌含量的便秘风险评估系统，其特征在于：所述模型训练模块(300)中，基于深度神经网络算法将医院数据库中的细菌种类含量数据作为训练集训练过程如下：

8.根据权利要求7所述的基于肠道细菌含量的便秘风险评估系统，其特征在于：所述预测函数根据预测区间将结果进行分类。

9.根据权利要求1所述的基于肠道细菌含量的便秘风险评估系统，其特征在于：所述便秘风险系数评分模块(400)将结果分为5类即a、b、c、d、e表示便秘风险系数，a表示便秘风险大于80％，b表示便秘风险为60％到80％，c表示便秘风险为40％到60％，d表示便秘风险为20％-40％，e表示便秘风险小于20％。

10.根据权利要求9所述的基于肠道细菌含量的便秘风险评估系统，其特征在于：所述收集模块(100)在收集到检测标本后由检测模块(200)对检测标本进行检测并获得细菌种类含量数据，模型训练模块(300)根据医院数据库现有数据进行模型训练，风险系数评分模块(400)对细菌种类含量数据进行风险系数评估。

技术总结
本发明涉及安防门锁技术领域，尤其为一种基于肠道细菌含量的便秘风险评估系统，包括：收集模块：用于通过收集装置收集待检测的粪便，然后留取状态好的标本作为检测标本；检测模块：用于根据收集模块收集到的检测标本进行检测细菌种类和含量检测，获得细菌种类含量数据；模型训练模块：用于根据医院系统数据库数据进行深度神经网络模型训练，获得可以进行分类评分的风险评估模型；风险系数评分模块：用于连接风险评估模型进行便秘风险系数评分。本发明通过医院数据库现有的大量数据对造成便秘的细菌种类含量数据进行模型建立，对于细菌可能造成便秘的程度进行预测，同时对于非细菌原因导致的便秘也能稳妥安置不会因为少数非细菌原因造成的便秘对整体系统造成影响。

技术研发人员：王李,童卫东,邓小炼
受保护的技术使用者：中国人民解放军陆军特色医学中心
技术研发日：
技术公布日：2024/1/15