本發(fā)明屬于數(shù)據(jù)分析處理，具體涉及一種懸浮式離心分離富血小板血漿濃度的控制方法。

背景技術(shù)：

1、富血小板血漿（platelet-rich?plasma，prp）是通過離心自體血而提取出的含有高濃度血小板的血漿，富含多種生長因子和蛋白質(zhì)。血小板作為血液凝固和止血的關(guān)鍵成分，其效用在醫(yī)療領(lǐng)域的臨床應(yīng)用中極為重要。

2、富血小板血漿在臨床治療中價值重大。在骨科領(lǐng)域，它能夠促進骨組織修復(fù)和再生，有效治療骨折不愈合、骨缺損等病癥；在口腔頜面外科，可加速創(chuàng)口愈合，推動牙周組織再生；在美容領(lǐng)域，能刺激皮膚膠原蛋白生成，改善皮膚質(zhì)地并減少皺紋。同時，血小板在血液疾病、創(chuàng)傷救治等臨床領(lǐng)域也發(fā)揮著重要作用。

3、然而，在血小板分離過程中，精確控制富血小板血漿濃度始終是個技術(shù)難題?，F(xiàn)有技術(shù)主要依賴采集后進行人工二次操作配置以滿足臨床濃度需求，且憑借經(jīng)驗判斷，存在效率低下、誤差較大等問題。因此，研發(fā)一種高效、精確的血小板分離濃度控制方法具有重大意義。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種懸浮式離心分離富血小板血漿濃度的控制方法，用以解決現(xiàn)有技術(shù)中依賴采集后人工進行二次操作配置來控制臨床濃度需求和經(jīng)驗判斷，存在效率低、誤差大等問題。

2、一種懸浮式離心分離富血小板血漿濃度的控制方法，包括：

3、獲取血小板分離濃度歷史數(shù)據(jù)；其中，血小板分離濃度歷史數(shù)據(jù)包括歷史富血小板血漿分離系統(tǒng)參數(shù)和以歷史富血小板血漿分離系統(tǒng)參數(shù)為基礎(chǔ)獲取的歷史富血小板血漿濃度；

4、通過深度學(xué)習(xí)算法構(gòu)建血小板分離濃度預(yù)測模型，并采用歷史富血小板血漿分離系統(tǒng)參數(shù)和以歷史富血小板血漿分離系統(tǒng)參數(shù)為基礎(chǔ)獲取的歷史富血小板血漿濃度對血小板分離濃度預(yù)測模型進行訓(xùn)練，得到訓(xùn)練之后的血小板分離濃度預(yù)測模型；

5、獲取由醫(yī)護人員輸入的目標富血小板血漿濃度，并將所述富血小板血漿分離系統(tǒng)參數(shù)進行多次編碼，確定多個系統(tǒng)參數(shù)編碼；

6、以系統(tǒng)參數(shù)編碼為訓(xùn)練之后的血小板分離濃度預(yù)測模型，確定每個系統(tǒng)參數(shù)編碼對應(yīng)的預(yù)測富血小板血漿濃度，并根據(jù)目標富血小板血漿濃度與預(yù)測富血小板血漿濃度，確定每個系統(tǒng)參數(shù)編碼對應(yīng)的損失函數(shù)值；

7、以損失函數(shù)值最小化為目標，采用智能優(yōu)化算法對多個系統(tǒng)參數(shù)編碼進行優(yōu)化，確定全局最優(yōu)系統(tǒng)參數(shù)編碼，并將全局最優(yōu)系統(tǒng)參數(shù)編碼作為最終富血小板血漿分離系統(tǒng)參數(shù)；

8、以最終富血小板血漿分離系統(tǒng)參數(shù)為基礎(chǔ)，控制富血小板血漿分離系統(tǒng)工作，并實時調(diào)整富血小板血漿分離系統(tǒng)參數(shù)，實現(xiàn)血小板分離濃度控制。

9、進一步地，歷史富血小板血漿分離系統(tǒng)參數(shù)包括當前富血小板血漿濃度、分離轉(zhuǎn)速、總分離時間以及已分離時間；

10、歷史富血小板血漿分離系統(tǒng)參數(shù)包括分離初始時刻富血小板血漿分離系統(tǒng)參數(shù)以及分離過程中富血小板血漿分離系統(tǒng)參數(shù)。

11、進一步地，通過深度學(xué)習(xí)算法構(gòu)建血小板分離濃度預(yù)測模型，包括：采用bp神經(jīng)網(wǎng)絡(luò)算法構(gòu)建血小板分離濃度預(yù)測模型。

12、進一步地，采用歷史富血小板血漿分離系統(tǒng)參數(shù)和以歷史富血小板血漿分離系統(tǒng)參數(shù)為基礎(chǔ)獲取的歷史富血小板血漿濃度對血小板分離濃度預(yù)測模型進行訓(xùn)練，得到訓(xùn)練之后的血小板分離濃度預(yù)測模型，包括：

13、初始化血小板分離濃度預(yù)測模型的模型參數(shù)，并將模型參數(shù)進行編碼，確定模型參數(shù)編碼，并獲取多個模型參數(shù)編碼；

14、針對任意一個模型參數(shù)編碼，將模型參數(shù)編碼包含的模型參數(shù)應(yīng)用至血小板分離濃度預(yù)測模型之后，以歷史富血小板血漿分離系統(tǒng)參數(shù)作為血小板分離濃度預(yù)測模型的輸入，以富血小板血漿濃度作為期望輸出，獲取模型參數(shù)編碼對應(yīng)的誤差函數(shù)值；

15、根據(jù)模型參數(shù)編碼對應(yīng)的誤差函數(shù)值，獲取最優(yōu)模型參數(shù)編碼；

16、針對模型參數(shù)編碼，采用隨機匹配正弦信息交互策略對模型參數(shù)編碼進行鄰域探索，確定鄰域探索之后的模型參數(shù)編碼；

17、針對鄰域探索之后的模型參數(shù)編碼，根據(jù)最優(yōu)模型參數(shù)編碼，采用結(jié)合隨機跳躍的信息共享策略對模型參數(shù)編碼進行自適應(yīng)跳躍探索，得到自適應(yīng)跳躍探索之后的模型參數(shù)編碼；

18、針對自適應(yīng)跳躍探索之后的模型參數(shù)編碼，采用受邊界影響的信息交互策略對模型參數(shù)編碼進行陌生區(qū)域探索，得到陌生區(qū)域探索之后的模型參數(shù)編碼；

19、針對陌生區(qū)域探索之后的模型參數(shù)編碼，根據(jù)最優(yōu)模型參數(shù)編碼，采用自適應(yīng)最優(yōu)引導(dǎo)策略對模型參數(shù)編碼進行最優(yōu)方向上的快速搜索，得到快速搜索之后的模型參數(shù)編碼；

20、判斷當前訓(xùn)練次數(shù)是否等于或者大于最大訓(xùn)練次數(shù)，若是，則根據(jù)快速搜索之后的模型參數(shù)編碼，重新獲取最優(yōu)模型參數(shù)編碼，并將最優(yōu)模型參數(shù)編碼作為血小板分離濃度預(yù)測模型的最終參數(shù)，得到訓(xùn)練之后的血小板分離濃度預(yù)測模型，否則返回獲取模型參數(shù)編碼對應(yīng)的誤差函數(shù)值的步驟。

21、進一步地，針對模型參數(shù)編碼，采用隨機匹配正弦信息交互策略對模型參數(shù)編碼進行鄰域探索，確定鄰域探索之后的模型參數(shù)編碼，包括：

22、針對任意一個模型參數(shù)編碼，為模型參數(shù)編碼隨機匹配一個其他模型參數(shù)編碼，得到第一目標模型參數(shù)編碼；

23、獲取模型參數(shù)編碼與對應(yīng)的第一目標模型參數(shù)編碼進行信息交互，確定第一信息交互項為：；其中，表示第t次訓(xùn)練過程中第 i個模型參數(shù)編碼，表示第 i個模型參數(shù)編碼對應(yīng)的第一目標模型參數(shù)編碼， i=1,2,...,l，l表示模型參數(shù)編碼對應(yīng)的總數(shù)；

24、采用正弦函數(shù)對第一信息交互項處理，得到處理之后的第一信息交互項為：；其中，表示（0,1）中的第一隨機數(shù)，表示圓周率，sin表示正弦函數(shù)；

25、根據(jù)所述第一信息交互項對模型參數(shù)編碼進行鄰域探索，確定鄰域探索之后的模型參數(shù)編碼為：；其中，表示鄰域探索之后的模型參數(shù)編碼。

26、進一步地，針對鄰域探索之后的模型參數(shù)編碼，根據(jù)最優(yōu)模型參數(shù)編碼，采用結(jié)合隨機跳躍的信息共享策略對模型參數(shù)編碼進行自適應(yīng)跳躍探索，得到自適應(yīng)跳躍探索之后的模型參數(shù)編碼，包括：

27、獲取隨機跳躍系數(shù)為：；其中，表示隨機跳躍系數(shù)，表示符合 n（0,）正態(tài)分布的第二隨機數(shù)，表示符合 n（0,1）正態(tài)分布的第三隨機數(shù)，表示中間參數(shù)，表示常數(shù)項，且，表示伽瑪函數(shù)，π表示圓周率；

28、以當訓(xùn)練次數(shù)為基礎(chǔ)，確定隨機跳躍強度為：；其中，表示隨機跳躍強度，表示（0,1）中的第四隨機數(shù)，t表示預(yù)設(shè)的最大訓(xùn)練次數(shù)；

29、針對任意一個鄰域探索之后的模型參數(shù)編碼，為模型參數(shù)編碼隨機匹配一個其他模型參數(shù)編碼，得到第二目標模型參數(shù)編碼；

30、針對任意一個鄰域探索之后的模型參數(shù)編碼，根據(jù)第二目標模型參數(shù)編碼、隨機跳躍系數(shù)以及隨機跳躍強度，確定隨機跳躍項為：；其中，表示第 n個鄰域探索之后的模型參數(shù)編碼， n=1,2,...,l，l表示模型參數(shù)編碼對應(yīng)的總數(shù)，表示第 n個鄰域探索之后的模型參數(shù)編碼對應(yīng)的第二目標模型參數(shù)編碼；

31、根據(jù)所述隨機跳躍項以及最優(yōu)模型參數(shù)編碼，對模型參數(shù)編碼進行自適應(yīng)跳躍探索，得到自適應(yīng)跳躍探索之后的模型參數(shù)編碼為：；其中，表示自適應(yīng)跳躍探索之后的模型參數(shù)編碼，表示（0,1）中的第五隨機數(shù)，表示（0,1）中的第六隨機數(shù)，表示最優(yōu)模型參數(shù)編碼。

32、進一步地，針對自適應(yīng)跳躍探索之后的模型參數(shù)編碼，采用受邊界影響的信息交互策略對模型參數(shù)編碼進行陌生區(qū)域探索，得到陌生區(qū)域探索之后的模型參數(shù)編碼，包括：

33、以當前訓(xùn)練次數(shù)為基礎(chǔ)，獲取邊界影響因子為：；其中，表示邊界影響因子， t表示當前訓(xùn)練次數(shù)，t表示最大訓(xùn)練次數(shù)，l表示模型參數(shù)編碼對應(yīng)的總數(shù)；

34、根據(jù)所述邊界影響因子，獲取邊界影響編碼為：；其中，表示邊界影響編碼， ub表示所有維度模型參數(shù)的上限組成的上限編碼， lb表示所有維度模型參數(shù)的下限組成的下限編碼；

35、針對任意一個自適應(yīng)跳躍探索之后的模型參數(shù)編碼，為模型參數(shù)編碼隨機匹配一個其他模型參數(shù)編碼，得到第三目標模型參數(shù)編碼；

36、根據(jù)第三目標模型參數(shù)編碼以及邊界影響編碼，對模型參數(shù)編碼進行陌生區(qū)域探索，得到陌生區(qū)域探索之后的模型參數(shù)編碼為：；其中，表示第 t次訓(xùn)練過程中第m個自適應(yīng)跳躍探索之后的模型參數(shù)編碼，表示（0,1）中的第六隨機數(shù)，表示陌生區(qū)域探索之后的模型參數(shù)編碼，表示（0,1）中的第七隨機數(shù)，表示模型參數(shù)編碼對應(yīng)的第三目標模型參數(shù)編碼，表示（0,1）中的第八隨機數(shù)。

37、進一步地，針對陌生區(qū)域探索之后的模型參數(shù)編碼，根據(jù)最優(yōu)模型參數(shù)編碼，采用自適應(yīng)最優(yōu)引導(dǎo)策略對模型參數(shù)編碼進行最優(yōu)方向上的快速搜索，得到快速搜索之后的模型參數(shù)編碼，包括：

38、以當前訓(xùn)練次數(shù)為基礎(chǔ)，確定自適應(yīng)慣性權(quán)重因子為：；其中，表示第 t次訓(xùn)練過程中自適應(yīng)慣性權(quán)重因子，表示自適應(yīng)慣性權(quán)重因子對應(yīng)的最大值，表示自適應(yīng)慣性權(quán)重因子對應(yīng)的最小值，cos表示余弦函數(shù)，表示圓周率，t表示最大訓(xùn)練次數(shù)；

39、根據(jù)最優(yōu)模型參數(shù)編碼以及自適應(yīng)慣性權(quán)重因子，確定自適應(yīng)更新速度為：；其中，表示第 t次訓(xùn)練過程中第 k個陌生區(qū)域探索之后的模型參數(shù)編碼對應(yīng)的更新速度，表示第 t+1次訓(xùn)練過程中第 k個陌生區(qū)域探索之后的模型參數(shù)編碼對應(yīng)的更新速度，表示第一引導(dǎo)系數(shù)，表示第二引導(dǎo)系數(shù)，c表示引導(dǎo)范圍控制因子，表示第 t次訓(xùn)練過程中第 k個陌生區(qū)域探索之后的模型參數(shù)編碼，表示模型參數(shù)編碼對應(yīng)的歷史最優(yōu)值， dsit kp表示模型參數(shù)編碼與歷史最優(yōu)值之間的歐式距離，e表示自然常數(shù)，表示最優(yōu)模型參數(shù)編碼， dsit kbest表示模型參數(shù)編碼與最優(yōu)模型參數(shù)編碼之間的歐式距離；

40、根據(jù)更新速度，對模型參數(shù)編碼進行最優(yōu)方向上的快速搜索，得到快速搜索之后的模型參數(shù)編碼為：；其中，表示快速搜索之后的模型參數(shù)編碼，表示平衡因子，且，sin表示正弦函數(shù)。

41、進一步地，獲取由醫(yī)護人員輸入的目標富血小板血漿濃度，并將所述富血小板血漿分離系統(tǒng)參數(shù)進行多次編碼，確定多個系統(tǒng)參數(shù)編碼，包括：

42、獲取由醫(yī)護人員輸入的目標富血小板血漿濃度；

43、在富血小板血漿分離系統(tǒng)參數(shù)的上下限內(nèi)隨機生成富血小板血漿分離系統(tǒng)參數(shù)，并將生成的富血小板血漿分離系統(tǒng)參數(shù)組成系統(tǒng)參數(shù)編碼，并重復(fù)獲取多個不同的系統(tǒng)參數(shù)編碼。

44、進一步地，以損失函數(shù)值最小化為目標，采用智能優(yōu)化算法對多個系統(tǒng)參數(shù)編碼進行優(yōu)化，確定全局最優(yōu)系統(tǒng)參數(shù)編碼，包括：

45、根據(jù)損失函數(shù)值，確定損失函數(shù)值最小的系統(tǒng)參數(shù)編碼為最優(yōu)系統(tǒng)參數(shù)編碼；

46、以所述最優(yōu)系統(tǒng)參數(shù)編碼為基礎(chǔ)，采用粒子群優(yōu)化算法對系統(tǒng)參數(shù)編碼進行優(yōu)化；

47、重復(fù)對系統(tǒng)參數(shù)編碼進行優(yōu)化，直至滿足優(yōu)化結(jié)束條件之后，確定全局最優(yōu)系統(tǒng)參數(shù)編碼。

48、本發(fā)明提供的一種懸浮式離心分離富血小板血漿濃度的控制方法，通過利用深度學(xué)習(xí)技術(shù)對血小板分離過程中歷史數(shù)據(jù)進行學(xué)習(xí)，從而確定出血小板分離過程中的非線性分離規(guī)律，然后以獲取的非線性分離規(guī)律對后續(xù)血小板分離過程進行控制，從而實現(xiàn)對富血小板血漿濃度的精確控制，從而提高血小板分離的效率和精準度，適用于臨床醫(yī)學(xué)以及生物工程等領(lǐng)域。