【技术实现步骤摘要】
本专利技术涉及计算机辅助诊断，尤其是涉及一种糖皮质激素诱导股骨头坏死的风险预警系统及装置。
技术介绍
1、目前，糖皮质激素诱导的股骨头坏死(即osteonecrosis of femoral head,onfh)是最常见的非创伤性股骨头坏死类型，发生在接受糖皮质激素冲击治疗或长期激素治疗后，如感染性疾病(如传染性非典型肺炎)、类风湿疾病(如类风湿关节炎和系统性红斑狼疮)和其他疾病(如肾移植)。
2、糖皮质激素诱导的股骨头坏死常见于年轻患者。如果不进行有效治疗，约60%~80%的股骨头坏死病例会在5年内发展为股骨头塌陷，并在股骨头塌陷后的3年内需要进行人工关节置换。由于年轻患者活动量大，往往会造成人工关节磨损严重，从而导致预后较差。因此，对股骨头坏死的早期诊断和个性化治疗就显得尤为重要。其中，如何根据患者自身情况，准确预警患者股骨头坏死风险，进而推迟或避免人工关节置换，使患者能尽可能长时间地保留自身关节，以维持生活质量，已成为业内一大课题。
技术实现思路
1、本专利技术的目的在于提供一种糖皮质激素诱导股骨头坏死的风险预警系统及装置，以解决现有技术中存在的至少一种上述技术问题。
2、第一方面，为解决上述技术问题，本专利技术提供了一种糖皮质激素诱导股骨头坏死的风险预警系统，包括第一数据接收模块、第一数据处理模块及结果生成模块；
3、所述第一数据接收模块，用于接收患者的重度吸烟指标、糖皮质激素总剂量、糖皮质激素使用持续时间、糖皮质激素给药途径及血脂异常指
4、所述第一数据处理模块，包括第一模型单元和第一预测单元：
5、所述第一模型单元，用于存储nomogram模型；
6、所述第一预测单元，调用所述nomogram模型，输入重度吸烟指标、糖皮质激素总剂量、糖皮质激素使用持续时间、糖皮质激素给药途径及血脂异常指标，预测得到该患者的预后风险概率；
7、所述结果生成模块，用于将预后风险概率外发。
8、通过上述系统，将重度吸烟指标（heavy smoke）、糖皮质激素总剂量（totalglucocorticoid dosage）、糖皮质激素使用持续时间（duration of glucocorticoiduse）、糖皮质激素给药途径（administration route of glucocorticoid）及血脂异常指标（dyslipidemia）作为输入数据，通过nomogram模型预测得到糖皮质激素诱导股骨头坏死的风险，可直观、快速、准确地对股骨头坏死进行预警。
9、在一种可行的实施方式中，所述nomogram模型的构建方法包括：
10、步骤a1、采集糖皮质激素诱导股骨头坏死的高危人群数据，具体变量包括：影像学指标、性别、年龄、职业、文化程度、原发病、身体质量指数、合并疾病、重度吸烟指标、酗酒指标、血脂异常指标、凝血功能异常指标、vas评分、harris评分、糖皮质激素应用种类、糖皮质激素应用剂型、糖皮质激素总剂量、糖皮质激素使用持续时间、糖皮质激素给药途径、糖皮质激素个人最大日剂量和糖皮质激素个人日平均剂量等；
11、所述糖皮质激素应用种类包括地塞米松、强的松、氢化可的松及甲基强的松龙，各种糖皮质激素的剂量换算标准为：地塞米松0.75mg=强的松5mg=氢化可的松20mg=甲基强的松龙4mg；
12、所述重度吸烟指标的判定方法包括：将每天吸烟的标准包数（20支/包）乘以吸烟年数，得到吸烟指数；当吸烟指数大于等于20包年时，定义为重度吸烟；
13、所述血脂异常指标的判定标准包括：总胆固醇(tc)水平≥6.2mmol/l和/或低密度脂蛋白胆固醇(ldl-c)水平≥4.1mmol/l和/或甘油三酯(tgs)水平≥2.3mmol/l和/或高密度脂蛋白胆固醇(hdl-c)水平<1.00mmol/l;
14、步骤a2、将所述高危人群数据随机分为训练集和验证集；对训练集中各变量进行单因素logistic回归分析，得到独立风险因素；再通过多因素logistic回归分析，得到糖皮质激素诱导股骨头坏死的关键影响因子；基于所述关键影响因子，绘制nomogram模型；通过所述训练集训练所述nomogram模型；通过所述验证集验证所述nomogram模型；
15、步骤a3、通过一致性指数（即c指数）评估nomogram模型的预测风险概率的准确性；
16、步骤a4、通过重采样方法（即bootstrap验证法）对预后风险概率进行校准，以减少过拟合偏差，得到校准曲线；
17、步骤a5、通过决策曲线分析（即dca），评估nomogram模型的临床收益是否大于等于第一预设阈值：若是，则保留当前nomogram模型；若否，则迭代执行步骤a2；所述临床收益包括疾病完全缓解周期或疾病部分缓解周期或疾病稳定周期。
18、通过上述方法，可以得到预测结果较好的nomogram模型。
19、在一种可行的实施方式中，所述步骤a1中，对高危人群数据中服从正态分布的连续变量，数据描述采用均值±标准差的方式；对于服从非正态分布的变量，数据描述采用中位数±四分位数范围的方式；
20、对于组间比较：正态分布数据采用单因素方差分析；非正态分布数据采用非参数检验；计数数据采用卡方检验。
21、通过上述方法，可以有效地对高危人群数据进行统计分析，以便于进行后序处理。
22、在一种可行的实施方式中，所述风险预警系统还包括人工智能分系统（即ai）,所述人工智能分系统包括第二数据接收模块及第二数据处理模块；
23、所述第二数据接收模块，用于接收该患者的髋关节mri图像；
24、所述第二数据处理模块，包括预处理单元、第二模型单元及第二预测单元：
25、所述预处理单元，将各髋关节mri图像按照尺寸及像素强度进行标准化处理，并将各髋关节mri图像的平均像素强度及其标准差进行归一化处理，得到图像像素数组；
26、所述第二模型单元，存储有神经网络模型（即cnn），基于图像像素数组，得到股骨头坏死预测结果；
27、所述第二预测单元，基于股骨头坏死预测结果，输出ai预测因子至所述第一模型单元的nomogram模型中。
28、通过上述系统，将人工智能预测作为nomogram模型的候选预测因子，构建出了基于深度学习的神经网络模型与及基于多变量回归模型的nomogram模型相融合的ai-nomogram模型，进一步提升了所述风险预警系统的预测准确性。
29、在一种可行的实施方式中，所述神经网络模型的构建方法包括：
30、步骤b1、调取图像存档及通讯系统（pacs）中股骨头坏死的高危人群及确诊人群的髋关节mri图像；将所述髋关节mri图像预处理为图像像素数组，并将诊断结果作为相应的标签；将所述图像像素数组随机分配至训练集、测试集及验证集；通过所述训练集训练所述本文档来自技高网...
【技术保护点】
1.一种糖皮质激素诱导股骨头坏死的风险预警系统，其特征在于，包括第一数据接收模块、第一数据处理模块及结果生成模块；
2.根据权利要求1所述的风险预警系统，其特征在于，所述Nomogram模型的构建方法包括：
3.根据权利要求2所述的风险预警系统，其特征在于，所述糖皮质激素包括地塞米松、强的松、氢化可的松及甲基强的松龙，剂量换算标准为：地塞米松0.75mg=强的松5mg=氢化可的松20mg=甲基强的松龙4mg。
4.根据权利要求2所述的风险预警系统，其特征在于，所述重度吸烟指标的判定方法包括：将每天吸烟的标准包数乘以吸烟年数，得到吸烟指数；当吸烟指数大于等于20包年时，定义为重度吸烟。
5.根据权利要求2所述的风险预警系统，其特征在于，所述血脂异常指标的判定标准包括：总胆固醇水平≥6.2mmol/L和/或低密度脂蛋白胆固醇水平≥4.1mmol/L和/或甘油三酯水平≥2.3mmol/L和/或高密度脂蛋白胆固醇水平<1.0mmol/L。
6.根据权利要求2所述的风险预警系统，其特征在于，所述步骤a1中，对高危人群数据中服
7.根据权利要求2所述的风险预警系统，其特征在于，所述步骤a1中，对于高危人群数据的组间比较方法包括：正态分布数据采用单因素方差分析；非正态分布数据采用非参数检验；计数数据采用卡方检验。
8.根据权利要求1所述的风险预警系统，其特征在于，还包括人工智能分系统,所述人工智能分系统包括第二数据接收模块及第二数据处理模块；
9.根据权利要求8所述的风险预警系统，其特征在于，所述神经网络模型的构建方法包括：
10.一种糖皮质激素诱导股骨头坏死的风险预警装置，其特征在于，包括处理器、存储器及总线，所述存储器存储由处理器读取的指令及数据，所述处理器用于调用所述存储器中的指令及数据，以实现如权利要求1~9中任一所述的风险预警系统，所述总线连接各功能部件用于传送信息。
...【技术特征摘要】
1.一种糖皮质激素诱导股骨头坏死的风险预警系统，其特征在于，包括第一数据接收模块、第一数据处理模块及结果生成模块；
2.根据权利要求1所述的风险预警系统，其特征在于，所述nomogram模型的构建方法包括：
3.根据权利要求2所述的风险预警系统，其特征在于，所述糖皮质激素包括地塞米松、强的松、氢化可的松及甲基强的松龙，剂量换算标准为：地塞米松0.75mg=强的松5mg=氢化可的松20mg=甲基强的松龙4mg。
4.根据权利要求2所述的风险预警系统，其特征在于，所述重度吸烟指标的判定方法包括：将每天吸烟的标准包数乘以吸烟年数，得到吸烟指数；当吸烟指数大于等于20包年时，定义为重度吸烟。
5.根据权利要求2所述的风险预警系统，其特征在于，所述血脂异常指标的判定标准包括：总胆固醇水平≥6.2mmol/l和/或低密度脂蛋白胆固醇水平≥4.1mmol/l和/或甘油三酯水平≥2.3mmol/l和/或高密度脂蛋白胆固醇水平<1.0mmol/l。
6...
【专利技术属性】
技术研发人员：高福强，孙伟，瞿润东，马金辉，周宇，陈娜，李子荣，
申请(专利权)人：中日友好医院中日友好临床医学研究所，
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。