脑梗死溶栓取栓治疗后出血转化智能监护方法及装置制造方法及图纸

本发明专利技术涉及人工智能技术领域，尤其涉及一种脑梗死溶栓取栓治疗后出血转化智能监护装置，其包括：可穿戴监护部件，用于对被监护者进行连续监护，以获取被监护者在五条传播路径的电磁波信号下的扰动系数数据集；主控设备，与所述可穿戴监护部件进行数据通信，用于根据所述可穿戴监护部件连续检测得到的扰动系数数据集进行自动监测，并根据监测结果进行预警提示。示。示。

【技术实现步骤摘要】
脑梗死溶栓取栓治疗后出血转化智能监护方法及装置


[0001]本专利技术涉及人工智能，尤其涉及基于人工智能的脑梗死溶栓取栓治疗后出血转化智能监护。

技术介绍

[0002]脑血管病是中老年人的高发病,起病急,病情重,来势凶险,具有发病率高，致死率高、致残率和复发率高的特点。梗死后主要的急救治疗包括溶栓、血管内治疗等，然而在这些先进技术和治疗方法后，有增加继发性出血转化的风险，例如，在溶栓治疗急性脑梗死后，通常会发生三大并发症：出血、血管再闭塞和再灌注损伤。其中，出血性转化是最危险的，影响急性脑梗死的疗效及预后，因此，出血转化成为脑梗死治疗和病情监测的重点。继发性出血转化是指急性脑梗死后缺血区血管重新恢复血流灌注导致的出血，直接影响脑梗死病人的预后。出血转化会带来脑组织不同程度占位效应、脑组织水肿等使神经功能恶化，危及患者的生命，是医学研究的难点之一。研究显示溶栓后出血转化发生率为10％
‑
48％；血管内治疗后出血转化发生率为46％
‑
49.5％，当前国内医生、患者及其家属都对接受溶栓、机械取栓等血管内治疗后继发性出血转化问题有担忧和恐惧。出血转化发生机制主要有梗死后缺血损伤、再灌注损伤、凝血功能紊乱、血脑屏障破坏等。现有的医疗监测手段，对经治疗后发生出血转化的预测精准性是非常有限的，常常发现时病情已加重出现临床症状。
[0003]目前，对治疗就继发性出血转化的检测主要凭临床经验判断，进一步采用目前精标准方法，即依靠头部影像学检查CT/MRI的检查结果来确定继发性出血转化的发生。其判断依据是在脑梗死发生后首次头颅CT/MRI未发现出血，而血管内治疗后再次头颅CT/MRI检查时发现有颅内出血，即确定其发生出血转化。现有技术中，提出了利用CT图像进行模型训练，从而进行出血区域检测。例如，中国专利技术专利CN106296653B公开了这一种基于半监督学习的脑部ct图像出血区域分割方法及系统，其通过将CT图像从二维空间转换到三维空间，然后进行图像分割，从而识别出出血区域。又如，中国专利技术专利申请CN110503630A公开了一种基于三维深度学习模型的脑出血分类、定位与预测方法，其通过对二维CT图像进行三维立体建模获得三维CT图像，利用三维卷积神经网络、目标检测网络、三维条件式生成对抗网络，快速、准确的判断患者是否患有脑出血，并且可以对出血点进行精确定位，根据患者的身体指标，生成三维CT图像，从而预测患者的病情发展。
[0004]虽然CT/MRI等上述方法发现继发性出血转化的准确性高，但都是在出血转化发生之后，采集患者CT/MRI图像，然后根据CT/MRI图像进行判断。也即，接受血管内治疗后做CT/MRI影像检查的时间，通常是在病人出现神经功能恶化出现病情加重的临床症状时，也即继发性出血转化发生后。然而，神经功能恶化是一个动态变化的过程，通过头部影像检查方法不能实现床旁动态连续监护，传统的方式存在严重的滞后性，不能满足治疗新业务新技术发展的要求，迫切需要创新一种简便、快捷、动态连续且精准的继发性出血转化监测装置。

技术实现思路

[0005]本专利技术的目的在于提供一种脑梗死溶栓取栓治疗后出血转化智能监护装置及其方法，部分地解决或缓解现有技术中的上述不足，能够实现床旁动态连续监护，并简便、快捷且精准的监测到继发性出血转化。
[0006]为部分地解决或缓解现有技术中的上述不足，本专利技术的第一方面，在于提供一种脑梗死溶栓取栓治疗后出血转化智能监护装置，其包括：
[0007]可穿戴监护部件，用于对被监护者进行连续监护，以获取所述被监护者在预设频段，且预设五条传播路径的电磁波信号下的扰动系数数据集；所述被监护者为进行脑梗死溶栓取栓治疗后的患者；所述可穿戴监护部件包括：用于穿戴于所述被监护者头部的可穿戴部件，以及设置在所述可穿戴部件上的四个电极片；当所述被监护者穿戴所述可穿戴部件时，四个所述电极片分别位于所述被监护者头部的四个指定监测点，四个指定监测点分别为：位于头部前额的第四监测点，位于左耳上方的第三监测点，位于右耳上方的第一检监测点，位于后枕部的第二监测点，且所述第一监测点与所述第三监测点之间形成第一传播路径；所述第一监测点与所述第四监测点之间形成第二传播路径；所述第一监测点和所述第二指定检测点形成第三传播路径；所述第四监测点与所述第三指定监测点之间形成与所述第二传播路径对称的第四传播路径；所述第三监测点与所述第二监测点之间形成与所述第三传播路径对称的第五传播路径；
[0008]主控设备，与所述可穿戴监护部件进行数据通信，用于根据所述可穿戴监护部件连续监护得到的扰动系数数据集进行自动监测，并根据监测结果进行预警提示；所述主控设备包括：样本库构建模块，用于获取治疗手术后无出血转化受试者分别在第一、二、三、四、五传播路径的电磁波信号下，连续监护得到的扰动系数数据集，以及治疗手术后继发性出血转化受试者在所述第一、二、三、四、五传播路径的电磁波信号下，连续监护得到的扰动系数数据集，以构建训练样本库；模型训练模块，用于利用机器学习算法对所述训练样本库中的训练样本进行学习，以分别构建特征参数映射到继发性出血转化分类标签的映射关系，并得到可基于所述映射关系进行自动监测的分类器；其中，所述特征参数包括：对称传播路径对之间扰动系数绝对差值的最大值、对称传播路径对之间的扰动系数波动程度的差值；以及多天持续监测得到的全脑扰动系数的波动程度，和相邻两天扰动系数差值；数据获取模块，用于定期或实时地从所述可穿戴监护部件中获取所述被监护者脑部在第一、二、三、四、五传播路径的电磁波信号下的扰动系数数据集；监护模块，用于将所述数据获取模块所获取的所述扰动系数数据集输入所述分类器进行自动监测，并根据监测结果进行预警提示。
[0009]通常，若一侧发生继发性出血转化，其扰动系数一定会发生变化，因此，通过其与对称侧之间扰动系数绝对差值的最大值来表征该侧扰动系数发生绝对变化。
[0010]本专利技术的一些实施例中，所述扰动系数波动程度P的计算公式如下：
[0011]其中，F1为上升趋势中的最大幅值，F2为上升趋势中的最小幅值，F3为下降趋势中
的最大幅值，F4为下降趋势中的最小幅值；a和b分别为上升趋势和下降趋势的权重系数；t1为上升趋势的起始时间，t2为上升趋势的持续时间；t3为下降趋势的起始时间，t4为下降趋势的持续时间。
[0012]通常，发生继发性出血转化的区域的扰动系数，相较于健康的对称区域的扰动系数(也会出现波动，但通常波动较小，因此，令其波动程度P＝0)，会出现较大的波动，因此，通过构建对称传播路径对之间扰动系数的波动程度差值与分类标签之间的映射关系，一方面，一定程度地降低因为其他病情引起的扰动系数波动而导致误判的概率；另一方面，引入更多的特征量，避免学习过程因特征量太少而导致误差大的问题。
[0013]本专利技术的一些实施例中，当多天持续监测的扰动系数存在两种变化趋势，且其中任一种变化趋势还存在至少一次时，任一种变化趋势还存在至少一次时，其中，F1
i
、F2
...

【技术保护点】

【技术特征摘要】
1.一种脑梗死溶栓取栓治疗后出血转化智能监护装置，其特征在于，包括：可穿戴监护部件，用于对被监护者进行连续监护，以获取所述被监护者在预设频段，且预设五条传播路径的电磁波信号下的扰动系数数据集；所述被监护者为进行脑梗死溶栓取栓治疗后的患者；所述可穿戴监护部件包括：用于穿戴于所述被监护者头部的可穿戴部件，以及设置在所述可穿戴部件上的四个电极片；当所述被监护者穿戴所述可穿戴部件时，四个所述电极片分别位于所述被监护者头部的四个指定监测点，四个指定监测点分别为：位于头部前额的第四监测点，位于左耳上方的第三监测点，位于右耳上方的第一检监测点，位于后枕部的第二监测点，且所述第一监测点与所述第三监测点之间形成第一传播路径；所述第一监测点与所述第四监测点之间形成第二传播路径；所述第一监测点和所述第二指定检测点形成第三传播路径；所述第四监测点与所述第三指定监测点之间形成与所述第二传播路径对称的第四传播路径；所述第三监测点与所述第二监测点之间形成与所述第三传播路径对称的第五传播路径；主控设备，与所述可穿戴监护部件进行数据通信，用于根据所述可穿戴监护部件连续监护得到的扰动系数数据集进行自动监测，并根据监测结果进行预警提示；所述主控设备包括：样本库构建模块，用于获取治疗手术后无出血转化受试者分别在第一、二、三、四、五传播路径的电磁波信号下，连续监护得到的扰动系数数据集，以及治疗手术后继发性出血转化受试者在所述第一、二、三、四、五传播路径的电磁波信号下，连续监护得到的扰动系数数据集，以构建训练样本库；模型训练模块，用于利用机器学习算法对所述训练样本库中的训练样本进行学习，以分别构建特征参数映射到继发性出血转化分类标签的映射关系，并得到可基于所述映射关系进行自动监测的分类器；其中，所述特征参数包括：对称传播路径对之间扰动系数绝对差值的最大值、对称传播路径对之间的扰动系数波动程度的差值；以及多天持续监测得到的全脑扰动系数的波动程度，和相邻两天扰动系数差值；数据获取模块，用于定期或实时地从所述可穿戴监护部件中获取所述被监护者脑部在第一、二、三、四、五传播路径的电磁波信号下的扰动系数数据集；监护模块，用于将所述数据获取模块所获取的所述扰动系数数据集输入所述分类器进行自动监测，并根据监测结果进行预警提示。2.根据权利要求1所述的脑梗死溶栓取栓治疗后出血转化智能监护装置，其特征在于，所述扰动系数波动程度P的计算公式如下：其中，F1为上升趋势中的最大幅值，F2为上升趋势中的最小幅值，F3为下降趋势中的最大幅值，F4为下降趋势中的最小幅值；a和b分别为上升趋势和下降趋势的权重系数；t1为上升趋势的起始时间，t2为上升趋势的持续时间；t3为下降趋势的起始时间，t4为下降趋势的持续时间。
3.根据权利要求2所述的脑梗死溶栓取栓治疗后出血转化智能监护装置，其特征在于，当多天持续监测的扰动系数存在两种变化趋势，且其中任一种变化趋势还存在至少一次时，其中，F1
i
、F2
i
分别为n个上升趋势中第i个上升趋势中最大幅值和最小幅值，a
i
为第i个上升趋势的权重系数；F3
j
、F4
j
分别为m个下降趋势中第j个下降趋势中最大幅值和最小幅值；b
j
为第j个下降趋势的权重系数。4.根据权利要求1所述的脑梗死溶栓取栓治疗后出血转化智能监护装置，其特征在于，所述模型训练模块，具体用于根据所述训练样本中治疗手术后36h内的所述扰动系数数据集，构建对称传播路径对之间扰动系数绝对差值的最大值、扰动系数波动程度P的差值映射到继发性出血转化分类标签的映射关系，得到基于所述映射关系对治疗手术后36h内的被监护者进行自动监测的第一分类器；以及用于根据所述训练样本中治疗手术后36h后的所述扰动系数数据集，构建多天持续监测得到的全脑扰动系数的波动程度，和相邻两天扰动系数差值映射到继发性出血转化分类标签的映射关系，得到基于所述映射关系对治疗手术后36h后的被监护者进行自动监测的第二分类器。5.根据权利要求4所述的脑梗死溶栓取栓治...

【专利技术属性】
技术研发人员：程若谷，刘光维，彭加华，
申请(专利权)人：重庆医科大学附属第一医院，
类型：发明
国别省市：