一种基于遗传算法的后疫情时期癌症患者放疗排程系统

摘要

本发明公开了一种基于遗传算法的后疫情时期癌症患者放疗排程系统，包含云平台和医院患者放疗信息系统的终端，所述云平台与医院患者放疗信息系统的终端建立连接收集并整理癌症患者已有的相关数据，同时接收生成新到患者的实时信息完成MMGA放疗排程模型的建立。本发明设计合理，提高了整体算法模型的收敛速度和调度性能，总任务完成时间最短化，优化患者放疗排程，缓解患者平均等待时间长、就诊效率低下的局面，大大节省了人力物力，均衡放疗机工作量，极大地避免由于各种意外因素而导致的医疗服务质量下降等情况。

说明书

技术领域

本发明涉及一种癌症患者放疗排程系统，具体是一种基于遗传算法的后疫情时期癌症患者放疗排程系统，属于医疗应用技术领域。

背景技术

新型冠状病毒肺炎影响深远，癌症患者因免疫功能低下成为COVID-19的易感人群，且因疫情防控，出行受阻等原因，癌症患者的放疗过程受到较大阻力。

受此影响，后疫情时期医院放疗需求量将会成倍增加，而医院资源如加速器数量和承载能力有限，加之医护人力缺乏、排队系统不成熟，其中加速器成为造成医技检查平台资源紧缺与资源配置不合理的最关键因素，患者等待时间大大延长而错过放疗最佳时间最终危及生命。因此，针对上述问题提出一种基于遗传算法的后疫情时期癌症患者放疗排程系统。

发明内容

本发明的目的就在于为了解决上述问题而提供一种基于遗传算法的后疫情时期癌症患者放疗排程系统。

本发明通过以下技术方案来实现上述目的，一种基于遗传算法的后疫情时期癌症患者放疗排程系统，该排程系统包含云平台和医院患者放疗信息系统的终端，所述云平台与医院患者放疗信息系统的终端建立连接收集并整理癌症患者已有的相关数据，同时接收生成新到患者的实时信息完成MMGA放疗排程模型的建立并在进行遗传算法求解之前，根据现实情况，拟定约束条件进行合理假设，从而使模型求解得出的结果。

优选的，一种基于遗传算法的后疫情时期癌症患者放疗排程系统的运行方法，所述运行方法包括如下步骤：

一、根据患者信息基于MMGA算法建模；

二、对患者信息进行编码映射并分配至计算资源：引入字符串分别间接表示计算任务和计算任务所占的计算资源，即任务-资源映射模式；

三、基于云计算算法改进初始种群的生成；

四、字符串解码生成解决方案：使用MMGA算法建模型，将字符串解码生成解决方案，进而分析生成方案的质量；

五、基于云计算引入适应度函数进行方案性能评估：在以患者平均等待时间为适应度函数来定义解决方案，即在定义时间表可行性的基础上，额外增加总任务执行时间为本算法另一个的适应度函数，根据双适应度的MMGA算法模型，从而获得初始解决方案的可行性数据；

六、字符串择优后输入至迭代总体：评估MMGA算法模型解码生成方案的性能后，采用精英策略，即将一定数量的具有最高适应度值的优良字符串直接输入到后续方案迭代的总体中，得到子方案；

七、子代循环直至生成最佳解决方案：令子代重复上述操作，定义直至机器、设施和医生的可用时隙所占的百分比变得合理稳定求得最佳解；

八、系统最佳方案展示形式及优势分析：通过本算法模型，向医院放疗科医生展示的最终结果是针对每位放疗患者的不同情况，将手术操作顺序方案最合理化的排程报告单。

优选的，所述步骤一中MMGA算法建模的约束条件为放射检查设备严格按照一周五个工作日工作，从周一至周五；一台检查设备统一时间只能服务一位患者；设备一旦开始检查就不允许被打断；患者所有的检查都是事先预知的，患者也能够准时在检查开始时间接受检查；处理时间及前提约束条件都是确定且已知的；检查的顺序不影响每项的处理时间；患者分为三类：强烈、缓和和急诊，可等待时限分别为28天、14天和2天；与处理时间相比，机器或设备安装时间和传播时间被认定为是可忽略不计的；一旦放疗开始，就必须持续每天治疗，非工作日外，直至完成治疗。

优选的，所述步骤二中对患者信息进行编码映射并分配至计算资源的具体编码计算任务如下：

(1)每位患者数据即每个计算任务在计算资源上运行完成所需时间差异不大的情况下，经过染色体原理的随机映射分配；

(2)每条染色体的总长等于任务的总数量，染色体中的每位基因都为正整数，代表任务编号，每个基因所映射在染色体上的位置编号可定义为每个任务所占计算资源编号。

优选的，所述步骤三中基于云计算算法改进初始种群的生成引入Min-Min 算法和Max-Min算法，初始个体以Min-Min算法和Max-Min算法为基础，运用运算符改变能代表病人手术操作的字符串顺序又称进行交叉变异，所得到的后续子方案质量亦较优。

优选的，所述步骤四中字符串对应用i、j和k表示，患者j在机器或设施k 上的操作i，横坐标为时间，纵坐标为四台操作机器。

优选的，所述计算资源编号用Ti表示任务编号和Rj表示任务Ti执行时所占第j个资源编号。

本发明的有益效果是：借遗传算法寻求患者平均等待时间优化方案，又结合云计算调度算法弥补遗传算法因计算机规模扩大所存在的收敛性降低等不足，提高了整体算法模型的收敛速度和调度性能，总任务完成时间最短化，优化患者放疗排程，缓解患者平均等待时间长、就诊效率低下的局面；

大大节省了人力物力，均衡放疗机工作量，极大地避免由于各种意外因素而导致的医疗服务质量下降等情况。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明系统运行流程图；

图2为本发明种群初始化改进流程图；

图3为本发明任务-资源编码图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

在本发明的描述中，需要理解的是，术语“上”、“下”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

请参阅图1-3所示，一种基于遗传算法的后疫情时期癌症患者放疗排程系统，该排程系统包含云平台和医院患者放疗信息系统的终端，所述云平台与医院患者放疗信息系统的终端建立连接收集并整理癌症患者已有的相关数据，同时接收生成新到患者的实时信息完成MMGA放疗排程模型的建立并在进行遗传算法求解之前，根据现实情况，拟定约束条件进行合理假设，从而使模型求解得出的结果。

进一步地，一种基于遗传算法的后疫情时期癌症患者放疗排程系统的运行方法，所述运行方法包括如下步骤：

一、根据患者信息基于MMGA算法建模；

二、对患者信息进行编码映射并分配至计算资源：引入字符串分别间接表示计算任务和计算任务所占的计算资源，即任务-资源映射模式；

三、基于云计算算法改进初始种群的生成；

四、字符串解码生成解决方案：使用MMGA算法建模型，将字符串解码生成解决方案，进而分析生成方案的质量；

五、基于云计算引入适应度函数进行方案性能评估：在以患者平均等待时间为适应度函数来定义解决方案，即在定义时间表可行性的基础上，额外增加总任务执行时间为本算法另一个的适应度函数，根据双适应度的MMGA算法模型，从而获得初始解决方案的可行性数据；

六、字符串择优后输入至迭代总体：评估MMGA算法模型解码生成方案的性能后，采用精英策略，即将一定数量的具有最高适应度值的优良字符串直接输入到后续方案迭代的总体中，得到子方案；

七、子代循环直至生成最佳解决方案：令子代重复上述操作，定义直至机器、设施和医生的可用时隙所占的百分比变得合理稳定求得最佳解；

八、系统最佳方案展示形式及优势分析：通过本算法模型，向医院放疗科医生展示的最终结果是针对每位放疗患者的不同情况，将手术操作顺序方案最合理化的排程报告单。

进一步地，所述步骤一中MMGA算法建模的约束条件为放射检查设备严格按照一周五个工作日工作，从周一至周五；一台检查设备统一时间只能服务一位患者；设备一旦开始检查就不允许被打断；患者所有的检查都是事先预知的，患者也能够准时在检查开始时间接受检查；处理时间及前提约束条件都是确定且已知的；检查的顺序不影响每项的处理时间；患者分为三类：强烈、缓和和急诊，可等待时限分别为28天、14天和2天；与处理时间相比，机器或设备安装时间和传播时间被认定为是可忽略不计的；一旦放疗开始，就必须持续每天治疗，非工作日外，直至完成治疗。

如图3所示，所述步骤二中对患者信息进行编码映射并分配至计算资源的具体编码计算任务如下：

(1)每位患者数据即每个计算任务在计算资源上运行完成所需时间差异不大的情况下，经过染色体原理的随机映射分配；

(2)每条染色体的总长等于任务的总数量，染色体中的每位基因都为正整数，代表任务编号，每个基因所映射在染色体上的位置编号可定义为每个任务所占计算资源编号，所述计算资源编号用Ti表示任务编号和Rj表示任务Ti执行时所占第j个资源编号。

如图2所示，所述步骤三中基于云计算算法改进初始种群的生成引入 Min-Min算法和Max-Min算法，初始个体以Min-Min算法和Max-Min算法为基础，运用运算符改变能代表病人手术操作的字符串顺序又称进行交叉变异，所得到的后续子方案质量亦较优。

进一步地，所述步骤四中字符串对应用i、j和k表示，患者j在机器或设施k上的操作i，横坐标为时间，纵坐标为四台操作机器。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的得同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。