【技术实现步骤摘要】
一种基于多模态信息的血液透析智慧辅助诊疗方法与系统
[0001]本专利技术涉及诊疗系统领域,尤其涉及一种基于多模态信息的血液透析智慧辅助诊疗方法与系统。
技术介绍
[0002]终末期肾病的治疗是重大的医学难题和挑战。以尿毒症为代表的终末期肾病是慢性肾病的终末阶段,因其患病率高、死亡率高、临床危害严重,并且慢性肾损伤病程长,长期的疾病损伤肾脏组织造成大量的肾小球肾小管坏死硬化,导致慢性肾病病患肾功能呈不可逆性持续衰竭趋势,因此终末期肾病已经成为世界范围内继癌症和心血管疾病之后又一大威胁人类生命健康的疾病。血液透析是终末期肾病的主要治疗方式,通过将体内血液引流至体外,经由无血液透析器,血液与含机体浓度相似的电解质溶液(透析液)通过弥散、超滤、吸附和对流原理进行物质交换,达到清除体内的代谢废物、维持电解质和酸碱平衡的效果,同时清除体内过多的水分。随着我国血液透析患者数量呈现增长趋势,且增长速度远超过了肾脏替代治疗容量的增长,导致医院透析床位的供不应求以及医疗成本的快速增加。为实现病患治疗不受地域、工作时间等因素限制,将人工智能技术与透析治疗过程相结合,利用深度学习等算法改善透析治疗流程的同时保证透析的安全性,是提高病患生活质量的关键,其中最为重要的是个性化智能辅助诊疗系统的设计。
[0003]目前的透析治疗流程中存在诸多不足,主要包括以下几个方面:
①
传统的透析处方存在滞后性,影响透析治疗的充分性,易引发透析并发症;
②
透析患者在疾病表现、进展、治疗反应等方面个体差异性较大,并且 ...
【技术保护点】
【技术特征摘要】
1.一种基于多模态信息的血液透析智慧辅助诊疗方法,其特征在于,所述方法包括以下步骤:步骤1、收集处方数据和体征数据,存入血液透析知识库,并对所述处方数据和所述体征数据进行ETL预处理,分别生成透析日志和体征日志;步骤2、借助LDA主题模型训练所述处方数据,得到功效主题对应的参数和药物分布、每次透析的功效主题分布;步骤3、使用K
‑
means++算法对所述每次透析的功效主题分布进行聚类分析,聚类所产生的每个簇都对应一个功效组合标签,将所述每次透析的功效主题分布转变为一个功效组合标签序列;步骤4、将所述透析日志、所述体征日志,以及所述功效组合标签序列都作为数据输入卷积神经网络中进行训练,确定所述卷积神经网络的参数和权重,并将待预测患者当前各类数据输入到所述卷积神经网络中进行预测,得到特征功效主题组合;步骤5、将所述特征功效主题组合输入到XG Boost多分类模型中,得到后续治疗方案对应的所述功效组合标签的出现概率,再结合所述功效主题对应的参数和药物分布的出现概率,输出患者透析处方推荐。2.如权利要求1所述的基于多模态信息的血液透析智慧辅助诊疗系统,其特征在于,在所述步骤2中,所述LDA主题模型的假设为:存在一个超参数为α的Dirichlet分布是文档
‑
主题分布的先验分布,从所述超参数为α的Dirichlet分布中取样生成一个多项式分布θ
m
,以θ
m
作为文档m中主题的分布;每次从所述多项式分布θ
m
中取样生成所述文档m中的第n个词的主题z
m,n
;同时,存在一个超参数为β的Dirichlet分布是主题
‑
词分布的先验分布,从所述超参数为β的Dirichlet分布中取样生成所述主题z
m,n
的词分布再由所述词分布生成词语w
m,n
;在上述假设下,当给定文档集合后,文档主题词的联合概率分布p如下式:其中,m和M表示文档以及文档总数,θ
m
表示第m篇文档中的主题分布;k和K表示主题以及主题总数,表示第k个主题中的词分布;采用Gibbs抽样可反推出所述文档m中出现主题k的期望概率θ
m,k
,以及主题k下出现词语t的期望概率分别为:分别为:其中,表示第m篇文档中第k个主题的个数,α
k
是主题k的超参数,是一种Dirichlet分布,k和K表示主题以及主题总数;表示第k个主题中第t个词的个数,β
k
是主题k的超参
数,是一种Dirichlet分布,t与V表示第t个词和词的总数。3.如权利要求1所述的基于多模态信息的血...
【专利技术属性】
技术研发人员:向佳栋,何胜煌,张克勤,袁静,谷蕾,褚健,杨根科,
申请(专利权)人:宁波工业互联网研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。