基于综合数据分析的肾小球滤过率估算系统技术方案

公开了一种基于综合数据分析的肾小球滤过率估算系统，其基于机器学习的人工智能算法来对于采集到的患者的各项数据进行处理和分析，以对于患者的肾小球滤过率进行估计。也就是，利用数据智能来构建肾小球滤过率估算方案，以提高肾小球滤过率估算的精准度。以提高肾小球滤过率估算的精准度。以提高肾小球滤过率估算的精准度。

【技术实现步骤摘要】
基于综合数据分析的肾小球滤过率估算系统


[0001]本申请涉及医疗器械领域，且更为具体的涉及一种基于综合数据分析的肾小球滤过率估算系统。

技术介绍

[0002]慢性肾脏病(CKD)已成为一个世界性的公共卫生问题，慢性肾脏病主要是指各种病因引起的肾脏结构和(或)功能的不可逆性损害。随着糖尿病、高血压、高尿酸血症等疾病的流行，CKD的发病率也呈逐年上升的趋势。有调查显示，中国有近1.2亿人患有CKD，约占总人口的10.8％，而欧美的数据更为严重。然而，当CKD进展到终末期肾病(ESRD)时，与其相关的医学和社会问题变得更加突出，到2040年，CKD可能成为仅次于缺血性心脏病、中风、感染和COPD的主要死亡原因之一。
[0003]正确评估CKD患者的肾功能对临床治疗和估计患者预后具有重要意义。肾小球滤过率(GFR)作为肾小球滤过功能的指标，目前被认为是评价患者肾功能的最有价值的指标。然而，测量CKD患者的GFR并不是一项简单的临床操作。目前主要的方法是通过检测菊粉、碘海醇、
125
I
‑
硫代氨基甲酸酯或 99m
‑
Tc
‑
二乙三胺五乙酸(
99m
Tc
‑
DTPA)等外源性标志物在体内的动态清除过程来计算GFR。虽然菊粉被认为是确定GFR的“金标准”，但这种方法过于复杂和昂贵，只用于科学研究中，并不能在临床上大范围的推广与应用。而肾脏病学会核医学分会等学术机构推荐的GATE法
99m
TC/>‑
DTPA肾脏动态显像技术虽然同样可以精准的测定CKD患者的GFR，并且相比于菊粉法可操作性更强，但是它也仅仅是在某些医疗中心才能完成的一种核素检查，操作过程仍相对复杂和昂贵，无法覆盖广大的CKD患者群。因此，绝大部分医生仍采用如肌酐、尿素氮等内源性的代谢物来粗略的评估患者的肾功能，并依据某些估算公式来间接的估算患者的肾小球滤过率。这虽然给临床估算肾功能带来了便利，但同时也产生了一个全新的问题，如何保证估算的精度。
[0004]目前研究人员已经开发了四十余种肾小球滤过率的估算公式，但这些都仍旧无法十分准确的估算肾小球滤过率。因此，期望一种基于综合数据分析的肾小球滤过率估算系统来获得更准确且更加便利的肾小球滤过率估算。

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基于综合数据分析的肾小球滤过率估算系统，其基于机器学习的人工智能算法来对于采集到的患者的各项数据进行处理和分析，以对于患者的肾小球滤过率进行估计。也就是，利用数据智能来构建肾小球滤过率估算方案，以提高肾小球滤过率估算的精准度。
[0006]根据本申请的一个方面，提供了一种基于综合数据分析的肾小球滤过率估算系统，其包括：
[0007]患者数据采集模块，用于获取患者数据，所述患者数据包括：患者的年龄、性别、体表面积、BMI、是否单侧肾切除、是否患有高血压、是否患有糖尿病、是否患有心血管疾病、是
否患有脑梗死、是否患有脑出血、是否患有肿瘤、是否患有高尿酸血症、是否患有痛风、是否有双下肢水肿、是否服用羟苯磺酸钙、是否服用SGLT2抑制剂、是否服用ACEI/ARB、是否服用贝前列素钠、是否正在服用糖皮质激素、是否正在使用免疫抑制剂、是否正在使用利尿剂、吸烟史、饮酒史、肾活检病理结果、肌酐水平、胱抑素C水平、24小时尿量水平、24小时尿蛋白水平
[0008]上下文编码模块，用于将所述患者数据中的所有数据项通过基于转换器的上下文编码器以得到多个患者数据项特征向量；
[0009]数据项局部特征提取模块，用于将所述多个患者数据项特征向量二维排列为二维特征矩阵后通过作为过滤器的卷积神经网络模型以得到患者检测局部特征向量；
[0010]级联模块，用于将所述多个患者数据项特征向量进行级联以得到全局上下文患者检测特征向量；
[0011]多尺度特征融合模块，用于融合所述患者检测局部特征向量和所述全局上下文患者检测特征向量以得到解码特征向量；
[0012]特征分布优化模块，用于对所述解码特征向量进行基于回归偏差的特征优化以得到优化解码特征向量；以及
[0013]解码模块，用于将所述优化解码特征向量通过解码器以得到解码值，所述解码值为肾小球滤过率。
[0014]在上述基于综合数据分析的肾小球滤过率估算系统中，所述上下文编码模块，包括：数据项向量化单元，用于分别将所述患者数据中的所有数据项进行独热编码，以将所述所有数据项分别转化为输入向量以获得输入向量的序列；以及，上下文编码单元，用于使用所述基于转换器的上下文编码器的转换器对所述输入向量的序列进行基于全局的上下文语义编码以获得所述多个患者数据项特征向量。
[0015]在上述基于综合数据分析的肾小球滤过率估算系统中，所述数据项局部特征提取模块，进一步用于：使用所述卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络模型的最后一层的输出为所述患者检测局部特征向量，所述卷积神经网络模型的第一层的输入为所述二维特征矩阵。
[0016]在上述基于综合数据分析的肾小球滤过率估算系统中，所述多尺度特征融合模块，进一步用于：以如下公式来融合所述患者检测局部特征向量和所述全局上下文患者检测特征向量以得到解码特征向量；其中，所述公式为：
[0017][0018]其中，V
d
为所述解码特征向量，V
a
为所述患者检测局部特征向量，V
b
为所述全局上下文患者检测特征向量，表示所述患者检测局部特征向量和所述全局上下文患者检测特征向量相对应位置处的元素相加，α和β为用于控制所述解码特征向量中所述患者检测局部特征向量和所述全局上下文患者检测特征向量之间的平衡的加权参数。
[0019]在上述基于综合数据分析的肾小球滤过率估算系统中，所述特征分布优化模块，进一步用于：以如下公式对所述解码特征向量进行基于回归偏差的特征优化以得到所述优
化解码特征向量；其中，所述公式为：
[0020][0021]其中v
i
表示所述解码特征向量的第i个位置的特征值，log表示log以2为底的对数函数值。
[0022]在上述基于综合数据分析的肾小球滤过率估算系统中，所述解码模块，进一步用于：使用所述解码器的多个全连接层以如下公式对所述优化解码特征向量进行解码回归以获得所述解码值，其中，所述公式为：获得所述解码值，其中，所述公式为：其中X是所述优化解码特征向量，Y是所述解码值，W是权重矩阵，B是偏置向量，表示矩阵乘，h(
·
)为激活函数。
[0023]根据本申请的另一方面，还提供了一种基于综合数据分析的肾小球滤过率估算方法，其包括：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于综合数据分析的肾小球滤过率估算系统，其特征在于，包括：患者数据采集模块，用于获取患者数据，所述患者数据包括：患者的年龄、性别、体表面积、BMI、是否单侧肾切除、是否患有高血压、是否患有糖尿病、是否患有心血管疾病、是否患有脑梗死、是否患有脑出血、是否患有肿瘤、是否患有高尿酸血症、是否患有痛风、是否有双下肢水肿、是否服用羟苯磺酸钙、是否服用SGLT2抑制剂、是否服用ACEI/ARB、是否服用贝前列素钠、是否正在服用糖皮质激素、是否正在使用免疫抑制剂、是否正在使用利尿剂、吸烟史、饮酒史、肾活检病理结果、肌酐水平、胱抑素C水平、24小时尿量水平、24小时尿蛋白水平；上下文编码模块，用于将所述患者数据中的所有数据项通过基于转换器的上下文编码器以得到多个患者数据项特征向量；数据项局部特征提取模块，用于将所述多个患者数据项特征向量二维排列为二维特征矩阵后通过作为过滤器的卷积神经网络模型以得到患者检测局部特征向量；级联模块，用于将所述多个患者数据项特征向量进行级联以得到全局上下文患者检测特征向量；多尺度特征融合模块，用于融合所述患者检测局部特征向量和所述全局上下文患者检测特征向量以得到解码特征向量；特征分布优化模块，用于对所述解码特征向量进行基于回归偏差的特征优化以得到优化解码特征向量；以及解码模块，用于将所述优化解码特征向量通过解码器以得到解码值，所述解码值为肾小球滤过率。2.根据权利要求1所述的基于综合数据分析的肾小球滤过率估算系统，其特征在于，所述上下文编码模块，包括：数据项向量化单元，用于分别将所述患者数据中的所有数据项进行独热编码，以将所述所有数据项分别转化为输入向量以获得输入向量的序列；以及上下文编码单元，用于使用所述基于转换器的上下文编码器的转换器对所述输入向量的序列进行基于全局的上下文语义编码以获得所述多个患者数据项特征向量。3.根据权利要求2所述的基于综合数据分析的肾小球滤过率估算系统，其特征在于，所述数据项局部特征...

【专利技术属性】
技术研发人员：范桢亮，杨乔瑞，孙可，马红珍，范军芬，张培培，夏虹，
申请(专利权)人：浙江省中医院，浙江中医药大学附属第一医院浙江省东方医院，
类型：发明
国别省市：