本发明专利技术公开了一种极早产儿肺部血管发育评估方法和装置，所述方法包括：获取极早产儿的生理数据集；所述生理数据集，包括孕妇妊娠因素数据子集、极早产儿临床数据子集、治疗情况数据子集、超声心动图数据子集和对应的肺部血管发育评估参考值数据子集；每个数据子集中，包括若干个类别的测量数据；对所述极早产儿的生理数据集进行预处理，得到标准生理数据集；对所述标准生理数据集进行特征类别数据提取处理，得到第一数据类别信息和训练数据集；利用训练数据集，对预设的血管发育评估模型进行训练处理；利用训练后的血管发育评估模型，对采集得到的第一数据类别信息的测量数据进行处理，得到极早产儿肺部血管发育评估结果；所述极早产儿肺部血管发育评估结果，用于表征所述极早产儿肺部血管发育状况。本发明专利技术实现了对极早产儿肺部血管发育的准确快速评估。
1、目前，极早产儿出现支气管肺发育不良(bpd)的比例较高，而一些bpd婴儿可能会发展成肺动脉高压(ph)，这会显著影响他们的死亡率。研究表明，在部分国家，早产儿中患有bpd的ph发病率高达26.8％，死亡率在14％至38％之间3,4，甚至在某些国家达到50％。然而，即使幸存者仍然面临短期和长期的不良并发症。对极早产儿的肺部血管发育进行评估，具有重要意义。目前，极早产儿的生理监护期间，可采集得到大量的生理数据。如何充分而高效地利用这些数据，对极早产儿肺部血管发育进行有效评估，是当前急需解决的问题。
3、获取极早产儿的生理数据集；所述生理数据集，包括孕妇妊娠因素数据子集、极早产儿临床数据子集、治疗情况数据子集、超声心动图数据子集和对应的肺部血管发育评估参考值数据子集；每个数据子集中，包括若干个类别的测量数据；
>6、利用训练数据集，对预设的血管发育评估模型进行训练处理；7、利用训练后的血管发育评估模型，对采集得到的第一数据类别信息的测量数据进行处理，得到极早产儿肺部血管发育评估结果；所述极早产儿肺部血管发育评估结果，用于表征所述极早产儿肺部血管发育状况。
8、所述对所述极早产儿的生理数据集进行预处理，得到标准生理数据集，包括：
9、对所述极早产儿的生理数据集中的每个数据子集，分别进行数据归一化处理，得到对应的归一化数据子集；
10、对每个归一化数据子集，分别进行数据清洗处理，得到对应的标准数据子集；
11、对所有的标准数据子集进行组合，得到标准生理数据集。
12、所述对所述标准生理数据集进行特征类别数据提取处理，得到第一数据类别信息和训练数据集，包括：
13、以所述孕妇妊娠因素数据子集、极早产儿临床数据子集、治疗情况数据子集、超声心动图数据子集中的所有类别的测量数据为已知自变量，以所述肺部血管发育评估参考值数据子集中的数据为已知因变量，对所述已知自变量和已知因变量进行线性拟合处理，得到拟合多项式；
14、对拟合多项式中的各类已知因变量的系数值绝对值进行排序处理，得到取值最大的n个系数；
15、确定所述取值最大的n个系数对应的已知自变量的数据类别，为第一数据类别信息；
16、根据所述第一数据类别信息，从所述孕妇妊娠因素数据子集、极早产儿临床数据子集、治疗情况数据子集、超声心动图数据子集中提取得到对应类别的测量数据；
17、利用所述测量数据，构建得到训练数据；利用所述测量数据对应的所述肺部血管发育评估参考值数据子集中的数据，作为标签数据；
18、利用所述训练数据和标签数据，构建得到训练数据集。
19、所述血管发育评估模型，用于对所述极早产儿的生理数据进行处理，得到极早产儿肺部血管发育评估值；
20、所述血管发育评估模型，包括第一输入模块、第一卷积模块、深度可分离卷积模块、第一升维卷积模块、第二升维卷积模块、第三升维卷积模块、第四升维卷积模块、第二卷积模块、第一池化模块、第三卷积模块和第一全连接模块；
21、所述血管发育评估模型的第一输入模块的输入端，用于接收所述极早产儿的生理数据；所述血管发育评估模型的第一输入模块的输出端，与所述血管发育评估模型的第一卷积模块的输入端相连接；所述血管发育评估模型的第一卷积模块的输出端，与所述血管发育评估模型的深度可分离卷积模块的输入端相连接；所述血管发育评估模型的深度可分离卷积模块的输出端，与所述血管发育评估模型的第一升维卷积模块的输入端相连接；所述血管发育评估模型的第一升维卷积模块的输出端，与所述血管发育评估模型的第二升维卷积模块的输入端相连接；所述血管发育评估模型的第二升维卷积模块的输出端，与所述血管发育评估模型的第三升维卷积模块的输入端相连接；所述血管发育评估模型的第三升维卷积模块的输出端，与所述血管发育评估模型的第四升维卷积模块的输入端相连接；所述血管发育评估模型的第四升维卷积模块的输出端，与所述血管发育评估模型的第二卷积模块的输入端相连接；所述血管发育评估模型的第二卷积模块的输出端，与所述血管发育评估模型的第一池化模块的输入端相连接；所述血管发育评估模型的第一池化模块的输出端，与所述血管发育评估模型的第三卷积模块的输入端相连接；所述血管发育评估模型的第三卷积模块的输出端，与所述血管发育评估模型的第一全连接模块的输入端相连接。
22、所述利用训练数据集，对预设的血管发育评估模型进行训练处理，包括：
23、初始化训练迭代次数值；
24、将所述训练数据集中的训练数据，作为输入数据，输入所述血管发育评估模型；将所述训练数据集中的训练数据对应的标签数据，作为标签信息；
25、利用所述血管发育评估模型，对所述输入数据进行处理，得到极早产儿肺部血管发育预测值；
26、对得到的所述极早产儿肺部血管发育预测值和标签信息进行差异计算处理，得到差异值；
27、判断所述差异值是否满足收敛条件，得到第一判断结果；
28、当所述第一判断结果为否时，判断所述训练迭代次数值是否等于训练次数阈值，得到第二判断结果；
29、当所述第二判断结果为否时，确定模型训练状态为不满足终止训练条件；
30、当所述第二判断结果为是时，确定所述模型训练状态为满足终止训练条件；
31、当所述第一判断结果为是时，确定所述模型训练状态为满足终止训练条件；
32、当所述模型训练状态为不满足终止训练条件时，利用参数更新模型对所述血管发育评估模型进行参数更新，训练迭代次数值增加1，触发执行将所述训练数据集中的训练数据，作为输入数据，输入所述血管发育评估模型；
33、当所述模型训练状态为满足终止训练条件时，完成对所述血管发育评估模型的训练处理过程，得到训练完毕的血管发育评估模型。
34、所述参数更新模型为：
35、
36、θ←θ+v；
37、式中，x(i)为所述训练数据集中的第i个训练数据的标签信息，为损失函数，v为参数更新值，θ为所述血管发育评估模型的参数，η为初始参数学习率，α为第一更新参数，0≤α≤1，表示针对变量θ求偏导数，f(x(i)；θ)表示血管发育评估模型对所述训练数据集中的第i个训练数据计算得本文档来自技高网...
【技术保护点】
1.一种极早产儿肺部血管发育评估方法，其特征在于，包括：
2.如权利要求1所述的极早产儿肺部血管发育评估方法，其特征在于，所述对所述极早产儿的生理数据集进行预处理，得到标准生理数据集，包括：
3.如权利要求1所述的极早产儿肺部血管发育评估方法，其特征在于，
4.如权利要求1所述的极早产儿肺部血管发育评估方法，其特征在于，所述血管发育评估模型，用于对所述极早产儿的生理数据进行处理，得到极早产儿肺部血管发育评估值；
5.如权利要求4所述的极早产儿肺部血管发育评估方法，其特征在于，所述利用训练数据集，对预设的血管发育评估模型进行训练处理，包括：
6.如权利要求5所述的极早产儿肺部血管发育评估方法，其特征在于，所述参数更新模型为：
7.如权利要求1所述的极早产儿肺部血管发育评估方法，其特征在于，所述利用训练后的血管发育评估模型，对采集得到的第一数据类别信息的测量数据进行处理，得到极早产儿肺部血管发育评估结果，包括：
8.一种极早产儿肺部血管发育评估装置，其特征在于，所述装置包括：
9.一种计算机可存储介质，其特征在于，所述计算机可存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7中任一项所述的极早产儿肺部血管发育评估方法。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1-7任一项所述的极早产儿肺部血管发育评估方法。
...
【技术特征摘要】
1.一种极早产儿肺部血管发育评估方法，其特征在于，包括：
2.如权利要求1所述的极早产儿肺部血管发育评估方法，其特征在于，所述对所述极早产儿的生理数据集进行预处理，得到标准生理数据集，包括：
3.如权利要求1所述的极早产儿肺部血管发育评估方法，其特征在于，
4.如权利要求1所述的极早产儿肺部血管发育评估方法，其特征在于，所述血管发育评估模型，用于对所述极早产儿的生理数据进行处理，得到极早产儿肺部血管发育评估值；
5.如权利要求4所述的极早产儿肺部血管发育评估方法，其特征在于，所述利用训练数据集，对预设的血管发育评估模型进行训练处理，包括：
6.如权利要求5所述的极早产儿肺部血管...
【专利技术属性】
技术研发人员：王丹，曹婧可，封志纯，江倩男，张婉娴，陈佳，刘长根，杨杰，李秋平，
申请(专利权)人：中国人民解放军总医院第七医学中心，
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。