【技术实现步骤摘要】
本专利技术涉及一种心肺功能诊断系统，具体涉及一种基于医学先验知识的心肺功能诊断系统。
技术介绍
1、根据世界卫生组织2020年报告，以缺血性心脏病、慢性阻塞性肺疾病等为代表的心肺功能减退相关疾病的发病率、死亡率均居全球前列。体育锻炼在预防和治疗慢性心血管疾病中起着至关重要的作用。心肺运动试验(the cardiopulmonary exercise test,cpet)提供了一种客观、无创的心肺健康评价方法，是临床诊断和评估相关疾病和健康状况的有效工具。cpet通过分析肺部、心血管和代谢测量来评估身体对运动的反应，包括每次呼吸时的气体交换分析、心率等因素。这些测量数据大多是多模态时间序列，人们可以全面了解人类健康状况诊断疾病。
2、cpet数据格式的复杂性对临床医生提出了很高的临床经验要求。最近，深度学习模型显示了从时序数据中直有意义的特征的能力。然而，现有的工作仍然局限于将cpet数据直接输入到传统的深度学习网络中。所采用的方法主要围绕计算机视觉或自然语言处理领域的主流模型，未能充分理解其在医学中作为多模态时间序列和生理信号的固有属性。这些方法都忽视了先验医学知识的重要性，例如采集得到的生理指标之间的同质性和异质性以及指标与生理系统之间的关系。
3、总的来说：心肺功能减退相关疾病高发，通过心肺运动试验对心肺功能状态精准评估和疾病判别，对于心肺功能的诊断和治疗极具临床意义。但是，人工判别成本高，现有深度学习方法的医学可解释性不强，因此研发一种基于医学先验知识的心肺功能诊断系统显得十分必要。
>技术实现思路
1、针对现有技术的不足，本专利技术提出了一种基于医学先验知识的心肺功能诊断系统，将医学先验知识与疾病判别模型结合，通过引入运动心肺测试过程中涉及的心肺系统相关医学先验知识，进一步在深层维度上对浅层特征的关键部分进行加强，从而使所提出的网络模型实现了比最先进的基线更准确的预测结果，并增强了模型的可解释性。
2、为实现上述技术方案，本专利技术提供了一种基于医学先验知识的心肺功能诊断系统，包括：运动态标定模块，通过收集患者参与运动心肺测试过程中的多模态生理数据和状态，选用定长的运动态标定数据作为整个网络的输入；指标级token构建模块，使用多个不同大小的核对各模态数据进行多尺度的一维卷积运算，将不同模态通道的生理指标划分为不同token，得到指标级token；心肺系统级token构建模块，把得到的指标级token输入，通过屏蔽医学上不相关的元素构建带有心肺系统关系的mask的通道注意力，构建心肺系统级token；心肺系统transformer模块，输入指标级token和心肺系统级token，将低级别指标特征分层迭代更新得到高级别系统特征，以提取更全面的特征。
3、优先的，所述心肺系统级token构建模块具体工作流程如下：
4、(1)输入特征图经过1d卷积后的维数为d×cn，其中d和cn分别表示每个信号的特征维数和信号个数；
5、(2)对于运动心肺测试，设备采集指标往往包含图3所示的十二个模态，共涉及呼吸、循环、代谢三个系统；
6、(3)定义先验mask屏蔽掉与要生成的系统无关的通道；
7、(4)将学习部分得到的加权感兴趣区域与之前的特征进行激励；
8、(5)将原始指标级特征与集成的心肺系统级特征拼接在一起。
9、优选的，通过如下方式定义先验mask屏蔽掉与要生成的系统无关的通道：首先，根据指标和心肺系统关系生成一个掩码m∈{0,1}cn×cm，其中cm表示系统的数量；然后，对掩模和相同大小的可学习参数矩阵进行位置点积运算，以获得加权感兴趣区域。
10、优选的，所述心肺系统transformer模块的工作流程如下：
11、(1)每个系统token的状态sm从其先前的状态更新，并且更新相应的指标级token集合cm，更新过程可表述为:
12、
13、
14、其中hlm表示在步骤l下第m个系统级token的上下文信息，因此，每个系统级token通过注意机制整合了系统对应信号的语义信息，从信号标记更新后，对系统集合sl应用归一化，公式如下:
15、
16、sl＝normalization(sl)
17、(2)系统token相互更新，更新公式如下：
18、
19、经过迭代更新，系统级token的表达为：
20、
21、本专利技术提供的一种基于医学先验知识的心肺功能诊断系统的有益效果在于：本专利技术通过引入运动心肺测试过程中涉及的心肺系统相关医学先验知识，进一步在深层维度上对浅层特征的关键部分进行加强，从而使所提出的网络模型实现了比最先进的基线更准确的预测结果，并增强了模型的可解释性。该模型是一个医学与人工智能领域结合领域通用的框架，可以很容易地迁移到其他多模态时间序列数据任务中。
本文档来自技高网...【技术保护点】
1.一种基于医学先验知识的心肺功能诊断系统，其特征在于包括：
2.如权利要求1所述的基于医学先验知识的心肺功能诊断系统，其特征在于，所述心肺系统级Token构建模块具体工作流程如下：
3.如权利要求2所述的基于医学先验知识的心肺功能诊断系统，其特征在于，通过如下方式定义先验mask屏蔽掉与要生成的系统无关的通道：首先，根据指标和心肺系统关系生成一个掩码M∈{0,1}Cn×Cm，其中Cm表示系统的数量；然后，对掩模和相同大小的可学习参数矩阵进行位置点积运算，以获得加权感兴趣区域。
4.如权利要求1所述的基于医学先验知识的心肺功能诊断系统，其特征在于，所述心肺系统Transformer模块的工作流程如下：
【技术特征摘要】
1.一种基于医学先验知识的心肺功能诊断系统，其特征在于包括：
2.如权利要求1所述的基于医学先验知识的心肺功能诊断系统，其特征在于，所述心肺系统级token构建模块具体工作流程如下：
3.如权利要求2所述的基于医学先验知识的心肺功能诊断系统，其特征在于，通过如下方式定义先验mask屏蔽掉与要生成的...
【专利技术属性】
技术研发人员：舒琳，曲若文，熊奇炜，晋建秀，
申请(专利权)人：华南理工大学，
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。