一种股骨颈骨折临床智能辅助决策方法及系统技术方案

本发明专利技术涉及一种股骨颈骨折临床智能辅助决策方法及系统，所述方法的步骤为：建立指标数据集词典；根据指数数据集词典，运用真实EMR电子病例文档数据进行中文分词、逻辑处理，使EMR电子病例文档数据结构化转化为计算机识别的规范化数据；建立规则决策模型；建立算法决策模型；训练算法决策模型；采集待评估患者的术前信息，将术前信息传输至规则决策模型和算法决策模型，通过规则决策模型和算法决策模型对患者的术前指标进行评估，决策是否手术治疗。本发明专利技术通过规则决策模型和算法决策模型对待评估患者的术前信息进行评估，决策是否手术治疗，用于进行股骨颈骨折临床治疗辅助决策，为医生提供参考依据，提高准确性和工作效率。

A Clinical Intelligent Assistant Decision-making Method and System for Femoral Neck Fracture

【技术实现步骤摘要】
一种股骨颈骨折临床智能辅助决策方法及系统
本专利技术属于临床医学
，具体地说，涉及一种股骨颈骨折临床智能辅助决策方法及系统。
技术介绍
股骨颈骨折是医院外科常见的创伤疾病，多发于老年人群。由于老年患者多共存其他慢性疾病，因此，针对各种身体状态的股骨颈骨折的患者人群采用合理的治疗决策，对于患者的愈后生活状态和生命延长有重要的影响。目前主要的决策方法是人工方法，医生和其他医务人员大多依据临床经验和治疗相关的指南。由于医生的医疗技能水平不一，对股骨颈骨折患者的治疗决策不能完全达到治疗相关指南的要求，无法形成科学评判机制，决策准确性及工作效率低。临床决策辅助系统(ClinicalDecisionSupportSystem，简称CDSS)，是一种基于人机交互的医疗信息技术应用系统，旨在通过数据挖掘、模型建立等方法来为医生和其他医务工作者提供辅助性临床决策支持。传统的CDSS系统将专业知识和临床经验经过整理后存储到知识库当中，利用逻辑推理和模式匹配的方式帮助用户进行包括诊断、治疗方式推荐、用药建议等功能。目前国内外没有针对股骨颈骨折的治疗决策相关的辅助方法和系统。公开号为CN107887036A的中国专利申请公开了一种临床决策辅助系统的构建方法、装置及临床决策辅助系统，该临床决策辅助系统的构建方法包括：获取临床参考信息，临床参考信息包括病例资料和/或医学文献；从临床参考信息中抽取实体信息，其中，实体信息的种类信息包括疾病名称、症状表现、治疗手段；通过至少两种实体信息构建数据结构对，以便基于数据结构对构建临床决策辅助系统。该专利技术申请缓解了传统临床决策辅助系统在应用当中存在使用不便的技术问题。公开号为CN109859842A的中国专利技术专利申请公开了一种髋关节周围骨折临床智能决策支持系统，包括信息录入模块、诊断模块、决策模块、病例数据库；所述初步诊断模块中包括髋关节周围骨折分型模块，所述髋关节周围骨折分型模块依据所述信息录入模块中的检查结果，同时结合临床髋关节周围骨折分型标准对髋关节周围骨折进行分型；所述髋关节周围骨折分型模块对骨盆骨折、髋臼骨折、髋关节中心脱位进行分型；所述骨盆骨折依据损伤暴力-Young和Burgess、和/或依据骨盆环的稳定性-Tile、和/或骶骨骨折Dennis的分型标准进行分型；所述髋臼骨折依据Letournel-Judet的分型标准进行分型。该专利技术申请可使患者及患者家属能够实时掌握和跟踪患者的病情及诊疗方案。由于不同病症表现的症状不同，其决策标准也不同，上述方法和/或系统并不适用于股骨颈骨折的临床智能辅助决策。因此，迫切需要建立一种股骨颈骨折临床智能辅助决策方法及系统，用于辅助股骨颈骨骨折治疗决策，提高决策准确性及工作效率，进而提高治疗效率和效果。
技术实现思路
本专利技术针对股骨颈骨折临床治疗过程中存在的决策准确性及工作效率低等的问题，提供一种股骨颈骨折临床智能辅助决策方法及系统，用于进行股骨颈骨折临床治疗辅助决策，为医生提供参考依据，提高准确性和工作效率。为了达到上述目的，本专利技术提供了一种股骨颈骨折临床智能辅助决策方法，含有以下步骤：S1、建立指标数据集词典根据医院专家提供的指标数据集及股骨颈骨折相关的医学指南文献整理形成的参数指标数据集建立指标数据集词典，指标数据集词典的数据包括患者基本信息、检验检查指标、疾病史、家族史以及用药；S2、根据指数数据集词典，运用真实EMR电子病例文档数据进行中文分词、通过正则表达式逻辑进行逻辑处理，使EMR电子病例文档数据结构化，将EMR电子病例文档数据转化为计算机识别的规范化数据；S3、抽取医学指南文献中的逻辑规则，基于规则引擎，建立规则决策模型；S4、建立算法决策模型(1)采集患者历史病例数据作为训练数据，根据指数数据集词典，采用步骤S2中的方法将训练数据进行结构化处理转化为计算机识别的规范化数据；(2)对训练数据依次进行缺失数据处理、归一化处理；(3)将归一化处理后的训练数据中股骨颈患者的指标参数作为输入，以治疗决策能否手术作为输出，建立算法决策模型；S5、训练算法决策模型采用监督学习分类算法对算法决策模型进行训练，选择最优算法决策模型作为最终算法决策模型；S6、采集待评估患者的术前信息，将术前信息传输至规则决策模型和算法决策模型，通过规则决策模型、或算法决策模型、或规则决策模型和算法决策模型对患者的术前指标进行评估，决策是否手术治疗。进一步的，通过规则决策模型和算法决策模型对患者的术前指标进行评估时，先通过规则决策模型对患者的术前指标进行评估，若决策结果为非手术治疗，则将决策结果发送至用户；若决策结果为手术治疗，则通过算法决策模型对患者的术前指标进行评估，并将决策结果发送至用户。进一步的，步骤S1中，所述股骨颈骨折相关的医学指南文献包括《中国老年患者围术期麻醉管理指导意见(2017)》和《中国老年髋部骨折患者麻醉及围术期管理指导意见》；进一步的，步骤S3中，所述规则决策模型包括用于评估Goldman心脏风险指数和改良逻辑风险指数RCRI的心功能及心脏疾病评估模块、用于评估Arozullah术后呼吸衰竭预测评分的肺功能及呼吸系统评估模块、用于评估Child-Pugh分级标准和用于评估围术期肝肾功能损害程度的肝肾功能及肝肾系统评估模块、用于评估围术期谵妄和术后认知功能下降风险的脑功能和神经系统疾病评估模块、用于评估患者凝血功能状态的凝血功能评估模块、用于评估患者胃肠道功能及胃肠系统出现并发疾病风险的胃肠功能及胃肠系统疾病评估模块、用于评估患者内分泌功能及内分泌系统出现并发疾病的风险的内分泌功能及内分泌系统疾病评估模块和用于评估患者免疫功能及组织免疫系统出现并发疾病风险的免疫功能及组织免疫疾病评估模块。进一步的，通过规则决策模型对患者的术前指标进行评估得到决策结果的同时，给出指标异常的疾病，并对指标异常的疾病进行纠正后再次对患者的术前指标进行评估，决策是否进行手术治疗。进一步的，步骤S4中，对训练数据依次进行缺失数据处理、归一化处理的具体步骤为：将数值型数据通过医学指南文献中的区间设置进行数据转换，将数值型的数据转换成枚举型的数据，枚举型的数据采用one-hot方式进行编码，得到缺失处理后的训练数据。通过公式(1)对缺失数据处理后的训练数据进行归一化处理，公式(1)的表达式为：式中，x*表示归一化后的训练数据，x表示缺失数据处理后的训练数据，xmax表示缺失数据处理后的训练数据最大值，xmin表示缺失数据处理后的训练数据最小值；缺失数据处理后的训练数据由公式(1)归一化处理后得到归一化后的训练数据。进一步的，步骤S5中，采用监督学习分类算法对算法决策模型进行训练的具体步骤为：采用L1特征选择算法对数据的特征进行特征选择；以机器学习算法和深度学习算法为基方法，以Stackedensemble堆栈集成学习的方式对算法决策模型进行训练获得训练后的算法决策模型，训练过程中采用10折交叉验证方法对每次训练的输出结果进行验证；以机器学习算法为基方法，以ensembleselection集成选择学习的方式对算法决策模型进行训练获得训练后的算法决策模型，训练过程中采用10折交叉验证方法对每次训练的输出结果进行验证；将两种方式训练后的算法决策模型进行组合，选择最本文档来自技高网...

【技术保护点】
1.一种股骨颈骨折临床智能辅助决策方法，其特征在于，含有以下步骤：S1、建立指标数据集词典根据医院专家提供的指标数据集及股骨颈骨折相关的医学指南文献整理形成的参数指标数据集建立指标数据集词典，指标数据集词典的数据包括患者基本信息、检验检查指标、疾病史、家族史以及用药；S2、根据指数数据集词典，运用真实EMR电子病例文档数据进行中文分词、通过正则表达式逻辑进行逻辑处理，使EMR电子病例文档数据结构化，将EMR电子病例文档数据转化为计算机识别的规范化数据；S3、抽取医学指南文献中的逻辑规则，基于规则引擎，建立规则决策模型；S4、建立算法决策模型(1)采集患者历史病例数据作为训练数据，根据指数数据集词典，采用步骤S2中的方法将训练数据进行结构化处理转化为计算机识别的规范化数据；(2)对训练数据依次进行缺失数据处理、归一化处理；(3)将归一化处理后的训练数据中股骨颈患者的指标参数作为输入，以治疗决策能否手术作为输出，建立算法决策模型；S5、训练算法决策模型采用监督学习分类算法对算法决策模型进行训练，选择最优算法决策模型作为最终算法决策模型；S6、采集待评估患者的术前信息，将术前信息传输至规则决策模型和算法决策模型，通过规则决策模型、或算法决策模型、或规则决策模型和算法决策模型对患者的术前指标进行评估，决策是否手术治疗。...

【技术特征摘要】
1.一种股骨颈骨折临床智能辅助决策方法，其特征在于，含有以下步骤：S1、建立指标数据集词典根据医院专家提供的指标数据集及股骨颈骨折相关的医学指南文献整理形成的参数指标数据集建立指标数据集词典，指标数据集词典的数据包括患者基本信息、检验检查指标、疾病史、家族史以及用药；S2、根据指数数据集词典，运用真实EMR电子病例文档数据进行中文分词、通过正则表达式逻辑进行逻辑处理，使EMR电子病例文档数据结构化，将EMR电子病例文档数据转化为计算机识别的规范化数据；S3、抽取医学指南文献中的逻辑规则，基于规则引擎，建立规则决策模型；S4、建立算法决策模型(1)采集患者历史病例数据作为训练数据，根据指数数据集词典，采用步骤S2中的方法将训练数据进行结构化处理转化为计算机识别的规范化数据；(2)对训练数据依次进行缺失数据处理、归一化处理；(3)将归一化处理后的训练数据中股骨颈患者的指标参数作为输入，以治疗决策能否手术作为输出，建立算法决策模型；S5、训练算法决策模型采用监督学习分类算法对算法决策模型进行训练，选择最优算法决策模型作为最终算法决策模型；S6、采集待评估患者的术前信息，将术前信息传输至规则决策模型和算法决策模型，通过规则决策模型、或算法决策模型、或规则决策模型和算法决策模型对患者的术前指标进行评估，决策是否手术治疗。2.如权利要求1所述的股骨颈骨折临床智能辅助决策方法，其特征在于，通过规则决策模型和算法决策模型对患者的术前指标进行评估时，先通过规则决策模型对患者的术前指标进行评估，若决策结果为非手术治疗，则将决策结果发送至用户；若决策结果为手术治疗，则通过算法决策模型对患者的术前指标进行评估，并将决策结果发送至用户。3.如权利要求1或2所述的股骨颈骨折临床智能辅助决策方法，其特征在于，步骤S1中，所述股骨颈骨折相关的医学指南文献包括《中国老年患者围术期麻醉管理指导意见(2017)》和《中国老年髋部骨折患者麻醉及围术期管理指导意见》。4.如权利要求3所述的股骨颈骨折临床智能辅助决策方法，其特征在于，步骤S3中，所述规则决策模型包括用于评估Goldman心脏风险指数和改良逻辑风险指数RCRI的心功能及心脏疾病评估模块、用于评估Arozullah术后呼吸衰竭预测评分的肺功能及呼吸系统评估模块、用于评估Child-Pugh分级标准和用于评估围术期肝肾功能损害程度的肝肾功能及肝肾系统评估模块、用于评估围术期谵妄和术后认知功能下降风险的脑功能和神经系统疾病评估模块、用于评估患者凝血功能状态的凝血功能评估模块、用于评估患者胃肠道功能及胃肠系统出现并发疾病风险的胃肠功能及胃肠系统疾病评估模块、用于评估患者内分泌功能及内分泌系统出现并发疾病的风险的内分泌功能及内分泌系统疾病评估模块和用于评估患者免疫功能及组织免疫系统出现并发疾病风险的免疫功能及组织免疫疾病评估模块。5.如权利要求4所述的股骨颈骨折临床智能辅助决策方法，其特征在于，通过规则决策模型对患者的术前指标进行评估得到决策结果的同时，给出指标异常的疾病，并对指标异常的疾病进行纠正后再次对患者的术前指标进行评估，决策是否进行手术治疗。6.如权利要求1或2所述的股骨颈骨折临床智能辅助决策方法，其特征在于，步骤S4中，对训练数据依次进行缺失数据处理、归一化处理的具体步骤为：将数值型数据通过医学指南文献中的区间...

【专利技术属性】
技术研发人员：姜保国，张俊，李琴，吴一多，张培训，寇玉辉，杨斌，
申请(专利权)人：青岛百洋智能科技股份有限公司，
类型：发明
国别省市：山东,37