通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统技术方案

本申请涉及医疗数据处理领域，其具体地公开了一种通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统，其采用卷积神经网络模型与包含一维卷积层和全连接层的编码器模型来对前臂的皮肤的表面图像、皮肤张力数据和皮肤硬度数据进行隐含特征提取，并利用高斯密度图与高斯响应性分布融合所述张力特征向量、所述硬度特征向量和所述表面特征图，以有效地将所述张力特征和所述硬度特征在所述表面图像特征的高维特征分布的基础上进行了统一，以通过对医疗数据的处理来对患者的前臂是否存在骨筋膜间隙综合症进行及时地预警。筋膜间隙综合症进行及时地预警。筋膜间隙综合症进行及时地预警。

【技术实现步骤摘要】
通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统


[0001]本专利技术涉及医疗数据处理领域，且更为具体地，涉及一种用于前臂骨筋膜综合征预警的通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统。

技术介绍

[0002]骨筋膜间隙综合症，是骨折创伤后严重的并发症之一，常发生于四肢骨折后4～12h内，由于筋膜间隔内容物增加、压力增高，而导致血管供血终端、神经干与肌肉发生性坏死。
[0003]由于该综合征多继发于损伤、骨折。医护人员对骨筋膜综合征室内神经受压和缺血的早期症状——持续性剧烈疼痛，误认为是骨折的一般表现，没有引起高度重视，而未做及时处理。这样就会造成恶性循环，进而给患者的身体带来严重的损伤。
[0004]因此，需要一种技术手段来支持骨筋膜间隙综合症的预警。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统，其采用卷积神经网络模型与包含一维卷积层和全连接层的编码器模型来对前臂的皮肤的表面图像、皮肤张力数据和皮肤硬度数据进行隐含特征提取，并利用高斯密度图与高斯响应性分布融合所述张力特征向量、所述硬度特征向量和所述表面特征图，以有效地将所述张力特征和所述硬度特征在所述表面图像特征的高维特征分布的基础上进行了统一，以通过对医疗数据的处理来对患者的前臂是否存在骨筋膜间隙综合症进行及时地预警。
[0006]根据本申请的一个方面，提供了一种通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统，其包括：
[0007]第一前臂数据获取单元，用于获取预定时间段内的一系列时间点的前臂的皮肤张力数据和皮肤硬度数据；
[0008]第一特征编码单元，用于将所述一系列时间点的皮肤张力数据和皮肤硬度数据排列为张力向量和硬度向量后通过包含一维卷积层和全连接层的编码器以获得张力特征向量和硬度特征向量；
[0009]第二前臂数据获取单元，用于获取所述预定时间段内的一系列时间点的前臂的皮肤的表面图像；
[0010]第二特征编码单元，用于将所述皮肤的表面图像输入卷积神经网络以获得表面特征图；
[0011]高斯密度图融合单元，用于构造所述张力特征向量和所述硬度特征向量的高斯密度图，其中，所述高斯密度图的均值为所述张力特征向量和所述硬度特征向量中各个位置的特征值间的均值，所述高斯密度图的方差为所述张力特征向量和所述硬度特征向量中各个位置的特征值间的方差；
[0012]高斯响应单元，用于计算所述高斯密度图对于所述表面特征图的高斯响应性分布以获得由多个高斯响应性分布特征值组成的分类特征向量，其中，所述高斯响应性分布与所述表面特征图在高度方向上的每个特征矩阵的全局平均池化值、所述高斯密度图的均值和所述高斯分布图的方差有关；
[0013]分类单元，用于将所述分类特征向量通过分类器以获得分类结果，所述分类结果为患者的前臂是否存在骨筋膜间隙综合症；以及
[0014]警示单元，用于基于所述分类结果，生成警示信号。
[0015]在上述通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统中，所述第一特征编码单元，进一步用于：使用所述编码器的一维卷积层分别对所述张力向量和所述硬度向量进行编码以提取出所述张力向量和所述硬度向量中各个位置的特征值之间的关联的高维隐含关联特征；以及，使用所述编码器的全连接层对所述张力向量和所述硬度向量进行编码以提取出所述张力向量和所述硬度向量中各个位置的特征值的高维隐含特征。
[0016]在上述通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统中，所述第一特征编码单元，进一步用于：使用所述编码器的最后一层以Sigmoid激活函数将所述张力特征向量和所述硬度特征向量中各个位置的特征值转化到0到1的概率区间内。
[0017]在上述通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统中，所述卷积神经网络以如下公式对所述表面图像进行显式空间编码以获得所述表面特征图；其中，所述公式为：
[0018]f
i
＝Sigmoid(N
i
×
f
i
‑1+B
i
)
[0019]其中，f
i
‑1为第i层卷积神经网络的输入，f
i
为第i层卷积神经网络的输出，N
i
为第i层卷积神经网络的过滤器，且B
i
为第i层卷积神经网络的偏置矩阵，Sigmoid表示非线性激活函数。
[0020]在上述通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统中，所述高斯密度图融合单元，进一步用于：计算所述张力特征向量和所述硬度特征向量中各个位置的特征值间的均值；计算所述张力特征向量和所述硬度特征向量中各个位置的特征值间的方差；以及，以所述均值作为高斯分布的均值和所述方差为高斯分布的方差以构建由多个高斯分布组成的所述高斯密度图。其中，所述高斯密度图为x表示合成后的高斯分布向量，μ
i
表示所述张力特征向量和所述硬度特征向量的每个位置的特征值的均值，且σ
i
表示所述张力特征向量和所述硬度特征向量的每个位置的特征值的方差。
[0021]在上述通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统中，所述高斯响应单元，进一步用于：以如下公式计算所述高斯密度图对于所述表面特征图的高斯响应性分布；
[0022]其中，所述公式为：
[0023][0024][0025]其中，y
i
是所述表面特征图在高度方向上的每个特征矩阵的全局平均池化值。
[0026]在上述通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统中，所述分类单元，进一步用于：将所述分类特征向量输入所述分类器的Softmax分类函数以获得所述分类特征向量归属于患者的前臂存在骨筋膜间隙综合症的第一概率和所述分类特征向量归属于患者的前臂不存在骨筋膜间隙综合症的第二概率；以及，基于所述第一概率和所述第二概率之间的比较，确定所述分类结果。
[0027]在上述通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统中，所述警示单元，进一步用于：响应于所述分类结果为患者的前臂存在骨筋膜间隙综合症，生成所述警示信号。
[0028]与现有技术相比，本申请提供的通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统，其采用卷积神经网络模型与包含一维卷积层和全连接层的编码器模型来对前臂的皮肤的表面图像、皮肤张力数据和皮肤硬度数据进行隐含特征提取，并利用高斯密度图与高斯响应性分布融合所述张力特征向量、所述硬度特征向量和所述表面特征图，以有效地将所述张力特征和所述硬度特征在所述表面图像特征的高维特征分布的基础上进行了统一，以通过对医疗数据的处理来对患者的前臂是否存在骨筋膜间隙综合症进行及时地预警。
附图说明
[0029]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统，其特征在于，包括：第一前臂数据获取单元，用于获取预定时间段内的一系列时间点的前臂的皮肤张力数据和皮肤硬度数据；第一特征编码单元，用于将所述一系列时间点的皮肤张力数据和皮肤硬度数据排列为张力向量和硬度向量后通过包含一维卷积层和全连接层的编码器以获得张力特征向量和硬度特征向量；第二前臂数据获取单元，用于获取所述预定时间段内的一系列时间点的前臂的皮肤的表面图像；第二特征编码单元，用于将所述皮肤的表面图像输入卷积神经网络以获得表面特征图；高斯密度图融合单元，用于构造所述张力特征向量和所述硬度特征向量的高斯密度图，其中，所述高斯密度图的均值为所述张力特征向量和所述硬度特征向量中各个位置的特征值间的均值，所述高斯密度图的方差为所述张力特征向量和所述硬度特征向量中各个位置的特征值间的方差；高斯响应单元，用于计算所述高斯密度图对于所述表面特征图的高斯响应性分布以获得由多个高斯响应性分布特征值组成的分类特征向量，其中，所述高斯响应性分布与所述表面特征图在高度方向上的每个特征矩阵的全局平均池化值、所述高斯密度图的均值和所述高斯分布图的方差有关；分类单元，用于将所述分类特征向量通过分类器以获得分类结果，所述分类结果为患者的前臂是否存在骨筋膜间隙综合症；以及警示单元，用于基于所述分类结果，生成警示信号。2.根据权利要求1所述的通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统，其中，所述第一特征编码单元，进一步用于：使用所述编码器的一维卷积层分别对所述张力向量和所述硬度向量进行编码以提取出所述张力向量和所述硬度向量中各个位置的特征值之间的关联的高维隐含关联特征；以及，使用所述编码器的全连接层对所述张力向量和所述硬度向量进行编码以提取出所述张力向量和所述硬度向量中各个位置的特征值的高维隐含特征。3.根据权利要求2所述的通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统，其中，所述第一特征编码单元，进一步用于：使用所述编码器的最后一层以Sigmoid激活函数将所述张力特征向量和所述硬度特征向量中各个位置的特征值转化到0到1的概率区间内。4.根据权利要求3所述的通过前臂皮肤数据来预警骨筋膜室综合症的数据处理系统，其中，所述卷积神经网络以如下公式对所述表面图像进行显式空间编码以...

【专利技术属性】
技术研发人员：洪锦炯，王晓峰，李杰，赵刘军，
申请(专利权)人：宁波市第六医院，
类型：发明
国别省市：