一种新生儿坏死性小肠结肠炎手术干预时机辅助识别系统技术方案

本发明专利技术公开了一种新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，采用手术干预时机辅助识别模型，利用该模型的具体工作过程如下：将新生儿坏死性小肠结肠炎患者的影像数据和临床数据输入数据预处理模块分别进行预处理；将预处理后的影像数据和临床数据输入特征提取模块进行特征提取；然后加入超图约束，选取不同特征之间相关联的高阶特征；最后加入两种数据特征的邻接矩阵作为网络正则化约束，得到最终特征矩阵；根据临床指征选取模块选择的临床指征，将最终特征矩阵中的临床指征输入预测分类模块进行分类，得到是否需要手术的二分类结果。本发明专利技术可以对新生儿坏死性小肠结肠炎外科手术干预时机进行判断，提高患儿的诊治效率。率。率。

【技术实现步骤摘要】
一种新生儿坏死性小肠结肠炎手术干预时机辅助识别系统


[0001]本专利技术属于医学人工智能领域，尤其是涉及一种新生儿坏死性小肠结肠炎手术干预时机辅助识别系统。

技术介绍

[0002]坏死性小肠结肠炎(Necrotizing enterocolitis,NEC)是一种多发于新生儿的严重胃肠道疾病，同时也是造成新生儿死亡的原因之一，存活患儿大概率遗留肠狭窄、短肠综合征乃至神经系统异常发育等诸多严重后遗症。新生儿重症监护室(neonatal intensive care unit,NICU)收治的婴儿中，有2％到5％会患有NEC，其中20％
‑
40％的需要手术干预，死亡率在20％
‑
35％之间。针对NEC患儿的治疗主要分为内科常规治疗和外科手术，内科保守治疗无效或病情进展，需要考虑手术治疗。但是目前在手术干预的绝对和相对适应症方面缺乏一致性。
[0003]腹部平片和临床检验在判别NEC手术介入时机发挥重要作用。腹部平片对NEC具有较高的特异性，但灵敏度较低，仅能在一定程度上辅助医生的决策。结合临床检验结果对NEC进行及时的诊断是很有必要的。一般的临床检查包括生化五类、血常规、血气等。同时，NEC手术唯一绝对指征为肠穿孔，除此之外，没有其他得到广泛共识的临床指征。通过腹部平片和临床检验综合分析患儿是否需要进行手术对于患儿的预后和生存率都十分有意义。
[0004]多项研究表明，使用多模态数据融合的方法能够在一定程度上提高疾病预测和诊断的准确率。联合非负矩阵分解(JNMF)已广泛应用于多模态数据融合领域。它通过将不同模态的特征映射到公共空间，不同的异质变量在该公共空间的不同方向上聚类。
[0005]如公开号为CN111144579A的中国专利文献公开了一种基于非负矩阵分解的多模态鲁邦特征学习模型，首先，对多模态数据集进行归一化和特殊值预处理。其次，将各模态数据在低维共享空间中进行重构，利用图正则化思想，对数据空间上的几何空间进行拟，同时引入噪声矩阵为数据空间中去除噪声，构建基于非负矩阵分解的多模态鲁棒特征学习模型。再次，根据模型优化结果，依次更新各个模态的映射矩阵和所有模态的共享特征矩阵，更新噪声矩阵，更新模态权重因子。最后，判断本次模型值和上一次模型值之间的差异，迭代更新第三步直至满足模型收敛条件。
[0006]众多学者在此非负矩阵分解算法的基础上进行创新以适应不同背景、不同模态的数据类型。但是，针对本专利技术的研究领域，并没有相关的研究和报道。

技术实现思路

[0007]本专利技术提供了一种新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，从生物信息学的角度，运用计算机算法模型，基于多模态的临床数据，对新生儿坏死性小肠结肠炎外科手术干预时机进行判断，提高患儿的诊治效率。
[0008]一种新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机
程序，所述计算机存储器中存有训练好的手术干预时机辅助识别模型；
[0009]所述的手术干预时机辅助识别模型基于超图的多约束联合非负矩阵分解算法，具体包含数据预处理模块、特征提取模块、临床指征选取模块和预测分类模块；
[0010]所述计算机处理器执行所述计算机程序时实现以下步骤：
[0011]将新生儿坏死性小肠结肠炎患者的影像数据和临床数据输入数据预处理模块分别进行预处理；其中，影像数据为腹部平片数据，临床数据为生化五常数据、血常规数据以及血气数据；
[0012]将预处理后的影像数据和临床数据输入特征提取模块，分别对影像数据以及临床数据进行特征提取；然后加入超图约束，选取不同特征之间相关联的高阶特征；最后加入两种数据特征的邻接矩阵作为网络正则化约束，得到最终特征矩阵；
[0013]根据临床指征选取模块选择的临床指征，将最终特征矩阵中的临床指征输入预测分类模块进行分类，得到是否需要手术的二分类结果。
[0014]进一步地，对影像数据的预处理包括对影像的初步筛选、病灶标注和病情分类；对临床数据的预处理为：获取临床数据中与坏死性小肠结肠炎密切相关的指标，并将影像数据与筛选出临床数据对齐。
[0015]进一步地，对影像数据以及临床数据进行特征提取具体过程为：使用pyradiomics包提取原始影像数据病灶处的影像组学特征，包括first order、first shape、和几种纹理特征；然后使用L2范数对影像组学特征和临床数据进行标准化，保证输入数据的非负性；最后得到两个特征矩阵，分别对应于影像数据和临床数据。
[0016]进一步地，所述的预测分类模块包含随机森林、支持向量机和逻辑回归三种分类器。
[0017]对每个分类器在执行分类任务前都使用网格搜索法寻找最优分类参数。
[0018]所述临床指征选取模块选择的临床指征由手术干预时机辅助识别模型训练过程中确定。
[0019]进一步地，所述的手术干预时机辅助识别模型训练过程中，分别表示X1,X2的超图矩阵，利用P(H
i
)(i＝1,2,3)对超图约束重写成如下形式：
[0020]P(H1)＝Tr(H
1T
B1H1)
[0021]P(H2)＝Tr(H
2T
B2H2)
[0022]B1,B2分别表示X1,X2的拉普拉斯矩阵，且B
i
＝L
h
i
i
(i＝1,2)；X1,X2分别表示训练样本的影像数据和临床数据的特征矩阵；
[0023]此外，加入训练样本的临床诊断信息D以诱导算法选出是否进行手术的差异特征；对于非手术标签编码为1，手术标签编码为2；进而，得到目标函数：
[0024][0025]其中，A代表两种样本数据的邻接矩阵，diag(D)代表D的对角矩阵，根据线性代数的知识，将目标函数Γ重写为：
[0026][0027]设和分别是W
ij
≥0和(H
I
)
ij
≥0的拉格朗日乘子，则拉格朗日函数表示为：
[0028][0029]L对W和H
I
分别求偏导：
[0030][0031][0032][0033]其中，E
i
(i＝1,2,3)是元素全为1的矩阵，根据KKT条件,和得到W
ij
和(H
I
)
ij
的方程：
[0034][0035][0036][0037]通过对上述算法的迭代更新，将样本中影像数据的特征矩阵X1、临床数据的特征矩阵X2转化为基矩阵W和系数矩阵H1、H2；
[0038]为了找到与W的每一行显著特征对应的权重，使用z
‑
score来提取H
I
的每一行的系数；其定义如下:
[0039][0040]其中，h
ij
表示H
I...

【技术保护点】

【技术特征摘要】
1.一种新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于：所述计算机存储器中存有训练好的手术干预时机辅助识别模型；所述的手术干预时机辅助识别模型基于超图的多约束联合非负矩阵分解算法，具体包含数据预处理模块、特征提取模块、临床指征选取模块和预测分类模块；所述计算机处理器执行所述计算机程序时实现以下步骤：将新生儿坏死性小肠结肠炎患者的影像数据和临床数据输入数据预处理模块分别进行预处理；其中，影像数据为腹部平片数据，临床数据为生化五常数据、血常规数据以及血气数据；将预处理后的影像数据和临床数据输入特征提取模块，分别对影像数据以及临床数据进行特征提取；然后加入超图约束，选取不同特征之间相关联的高阶特征；最后加入两种数据特征的邻接矩阵作为网络正则化约束，得到最终特征矩阵；根据临床指征选取模块选择的临床指征，将最终特征矩阵中的临床指征输入预测分类模块进行分类，得到是否需要手术的二分类结果。2.根据权利要求1所述的新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，其特征在于，对影像数据的预处理包括对影像的初步筛选、病灶标注和病情分类；对临床数据的预处理为：获取临床数据中与坏死性小肠结肠炎密切相关的指标，并将影像数据与筛选出临床数据对齐。3.根据权利要求1所述的新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，其特征在于，对影像数据以及临床数据进行特征提取具体过程为：使用pyradiomics包提取原始影像数据病灶处的影像组学特征，包括first order、first shape、和几种纹理特征；然后使用L2范数对影像组学特征和临床数据进行标准化，保证输入数据的非负性；最后得到两个特征矩阵，分别对应于影像数据和临床数据。4.根据权利要求1所述的新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，其特征在于，所述的预测分类模块包含随机森林、支持向量机和逻辑回归三种分类器。5.根据权利要求4所述的新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，其特征在于，对每种分类器在执行分类任务前都使用网格搜索法寻找最优分类参数。6.根据权利要求1所述的新生儿坏死性小肠结肠炎手术干预时机辅助识别系统，其特征在于，所述临床指征选取模块选择的临床指征由手术干预时机辅助识别模型训练过程中确定。7.根据权利要...

【专利技术属性】
技术研发人员：俞刚，齐国强，李竞，黄坚，沈忱，赵永根，胡莎莎，舒婷，周莲娟，
申请(专利权)人：浙江大学，
类型：发明
国别省市：