一种基于时态逻辑的多来源围术期时序数据的治理方法技术

本发明专利技术涉及一种基于时态逻辑的多来源围术期时序数据的治理方法，属于计算机领域。该方法为：将多来源数据进行同一时间维度上的融合，根据数据搜索获得关系集；使用线性时态逻辑LTL将关系表示为逻辑公式；在手术过程的时态模型σ中，求解公式的可满足性；根据专家建议确定两个时间点记录的误差假服从正态分布的参数μ,δ；根据手术视频识别并统计关系中事件的时间间隔所服从的泊松分布的参数；设定时间间隔阈值，并结合时间间隔的概率确定最合适的因果关系配对。本发明专利技术使用LTL逻辑更加清楚全面表达了围术期中的时序关系，同时对时序关系在手术过程中进行了准确的验证。将系统误差纳入评估中，实现了对于有时间间隔的时序关系更准确的计算。系更准确的计算。系更准确的计算。

【技术实现步骤摘要】
一种基于时态逻辑的多来源围术期时序数据的治理方法


[0001]本专利技术属于计算机领域，涉及一种基于时态逻辑的多来源围术期时序数据的治理方法。

技术介绍

[0002]时态逻辑历来受到计算机科学家的关注，在计算机软件工程中，时态逻辑可以作为对计算机程序的执行进行规约、形式化分析和验证的工具。最近20多年，时态逻辑对计算机科学的发展产生了重要的影响，图灵奖作为“计算机界的诺贝尔奖”，已经成为计算机科学领域的最高荣誉。在1996年至2020年期间接近60项获奖成果中，有接近20项的成果与逻辑有着直接的关联，尤其跟时态逻辑的关联甚为密切。例如，1996年计算机图灵奖的获得者阿米尔
·
伯努利(Amir Pnueli)的成果就是把时态逻辑方法引入到计算机科学研究中。
[0003]使用操作符Next
‑
time和Until来解释自然数时间的时间逻辑，被称为线性时间逻辑(liner temporal logic，LTL)用于转换系统中单个计算的推理形式化，可以指定无限计算的各种重要属性。时态逻辑的显著特征是：理论系统性强，形式语义清晰，语义表达能强。从1970以来，线性时间逻辑就成为计算机科学，尤其是模型检测中最广泛使用的时间逻辑。
[0004]LTL中的路径模型检查作为一个逻辑问题就是一个给定的LTL公式在给定的线性LTL模型σ中是否为真的问题。通过抽象地应用LTL公式的语义真定义来解决这个问题。根据定义线性模型是无限的，为了将LTL的路径模型检查描述为一个算法问题，我们需要将线性模型定义为有限的。
[0005]近年来，逐渐出现了针对医疗数据质量控制问题的研究，仍可以看出当前医疗数据时态逻辑研究还处于对医疗事件及其时态信息提取这个基础性研究阶段，距离有效利用医疗事件时态逻辑进行医疗数据质量管理还存在较大距离。

技术实现思路

[0006]有鉴于此，本专利技术的目的在于提供一种基于时态逻辑的多来源围术期时序数据的治理方法。
[0007]为达到上述目的，本专利技术提供如下技术方案：
[0008]一种基于时态逻辑的多来源围术期时序数据的治理方法，该方法包括以下步骤：
[0009]S1：将多来源数据进行同一时间维度上的融合，根据中文一体化医学语言系统CUMLS对数据进行统一化和标准化；
[0010]S2：读入数据包括时间信息，在规则库搜索相应的时序关系，获得关系集
[0011]S3：使用线性时态逻辑LTL将关系表示为逻辑公式
[0012]逻辑公式为：
[0013][0014]S4：在手术过程的时态模型σ中，求解公式的可满足性；若公式的可满足性获得验证，数据中的时序关系与关系集中时序关系一致，数据满足要求；反之数据不满足要求；
[0015]手术过程的时态模型是有限的时间序列，序列长度为i，即最后一个时刻为i；每个时刻的标签是原子命题集合的元素，由属性序列Γ0,...,Γ
i
决定；
[0016]S5：若前后关系中的两个事件发生有时间间隔长度的要求，进行S6以后的步骤；
[0017]S6：综合专家意见估计不同事件类型的时间记录误差服从的正态分布的参数μ,δ；
[0018]S7：通过统计手术视频中四种带有时间间隔的围术期医疗事件前后关系中，前后两个事件的时间间隔，计算前后关系所服从的泊松分布的参数；相同类前后关系服从相同的泊松分布；
[0019]所述围术期医疗事件前后关系具体为：
[0020]关系代码为R1，前继事件为麻醉诱导E1，后继事件为气管插管E2；
[0021]关系代码为R2，前继事件为气管插管E2，后继事件为麻醉维持E3；
[0022]关系代码为R3，前继事件为麻醉维持E3，后继事件为手术开始E4；
[0023]关系代码为R4，前继事件为血压下降幅度>基础的20％E4，后继事件为去甲肾上腺素E5，时间间隔<10min；
[0024]关系代码为R5，前继事件为室性心动过速PULSE>100E6，后继事件为胺碘酮E7，时间间隔<10min；
[0025]关系代码为R6，前继事件为室性心动过缓PULSE<50E8，后继事件为异丙肾/肾上腺E9，时间间隔<10min；
[0026]其中，四种带有时间间隔的围术期医疗事件前后关系为R3～R6；
[0027]S8：考察数据中两个事件e1，e2对应的时间记录(t1，t2)的时间间隔；根据S5中获得的误差参数抽样生成时间记录误差值∈1，∈2，计算出两个时间点的时间差T＝t2+∈2‑
t1+∈1，根据T和时间关系服从的泊松分布中计算P(X＝T)；
[0028]S9：若手术过程其他时间点t
′2也出现了事件e2，对每个事件e2重复S7，计算出T以及P(X＝T
′
)；
[0029]S10：设定概率阈值γ，P(X＝T)<γ，对系统反馈出数据不符合要求；排除之后如果存在一个事件e1对应多个事件e2的情况，认定最大P(X＝T)的事件对有因果关系。
[0030]可选的，所述时态模型σ具体为：
[0031]令σ是长度为i线性时态模型，σ从0时刻开始到i时刻结束，其属性序列为Γ0,
…
,Γi；
[0032]定义ψ1,
…
,ψk是公式的k个子公式，而且ψ1,
…
,ψk按照公式长度增序排列；其中表示为公式本身是公式的子公式；ψ1是一个原子命题或者常数；
[0033]设有k个子公式；
[0034]输入：一个线性时态逻辑公式
[0035]输出：是否存在一个模型，符合输出：是否存在一个模型，符合表示σ满足公式
[0036]本专利技术的有益效果在于：本专利技术使用LTL逻辑更加清楚全面表达了围术期中的时序关系，同时对时序关系在手术过程中进行了准确的验证。，将系统误差和人为误差纳入评估中，实现了对于有时间间隔的时序关系更准确的计算。
[0037]本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0038]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：
[0039]图1为本专利技术流程图；
[0040]图2为实施例平台管理图。
具体实施方式
[0041]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时态逻辑的多来源围术期时序数据的治理方法，其特征在于：该方法包括以下步骤：S1：将多来源数据进行同一时间维度上的融合，根据中文一体化医学语言系统CUMLS对数据进行统一化和标准化；S2：读入数据包括时间信息，在规则库搜索相应的时序关系，获得关系集S3：使用线性时态逻辑LTL将关系表示为逻辑公式逻辑公式为：S4：在手术过程的时态模型σ中，求解公式的可满足性；若公式的可满足性获得验证，数据中的时序关系与关系集中时序关系一致，数据满足要求；反之数据不满足要求；手术过程的时态模型是有限的时间序列，序列长度为i，即最后一个时刻为i；每个时刻的标签是原子命题集合的元素，由属性序列Γ0,...,Γ
i
决定；S5：若前后关系中的两个事件发生有时间间隔长度的要求，进行S6以后的步骤；S6：综合专家意见估计不同事件类型的时间记录误差服从的正态分布的参数μ,δ；S7：通过统计手术视频中四种带有时间间隔的围术期医疗事件前后关系中，前后两个事件的时间间隔，计算前后关系所服从的泊松分布的参数；相同类前后关系服从相同的泊松分布；所述围术期医疗事件前后关系具体为：关系代码为R1，前继事件为麻醉诱导E1，后继事件为气管插管E2；关系代码为R2，前继事件为气管插管E2，后继事件为麻醉维持E3；关系代码为R3，前继事件为麻醉维持E3，后继事件为手术开始E4；关系代码为R4，前继事件为血压下降幅度>基础血压的20％E4，后继事件为去甲肾上腺素E5，时间间隔<10min；关系代码为R5，前继事件为室性心动过速PULSE>100E...

【专利技术属性】
技术研发人员：曹洁，张矩，
申请(专利权)人：中国科学院重庆绿色智能技术研究院，
类型：发明
国别省市：