基于术前检测指标的术后谵妄预测模型的训练方法及设备技术

本发明专利技术提供一种基于术前检测指标的术后谵妄预测模型的训练方法及设备，该方法包括：获取多个患者的多个术前检测指标，并进行数据预处理，构建得到训练样本集；构建术后谵妄预测模型，所述术后谵妄预测模型包括并行设置的眼跳及脑电联合特征提取模块和结构化数据特征提取模块，以及用于基于所述眼跳及脑电联合特征提取模块和结构化数据特征提取模块提取的特征向量进行分类预测的特征融合预测模块；利用所述训练样本集中的数据，对所述术后谵妄预测模型进行迭代训练，得到收敛的术后谵妄预测模型。本发明专利技术解决了现有技术中无法在术前对患者的术后谵妄情况进行准确预测的问题，或由于预测指标单一，预测准确度差的问题。

【技术实现步骤摘要】

本专利技术属于人工智能目标检测，尤其涉及一种基于术前检测指标的术后谵妄预测模型的训练方法及设备。

技术介绍

1、术后谵妄(postoperative delirium，pod)是老年髋部骨折患者术后常见并发症，主要以注意力不集中、意识水平及认知功能障碍为特征，病情在短时间内呈波动性变化；且随着时间推移，pod患者远期认知功能下降比率显著升高，容易进展为慢性认知功能障碍乃至阿尔兹海默症，严重影响患者的预后及转归。然而，由于pod的发病机制不明，且患者临床症状多样，短期内病情常有波动，使其早期诊断十分困难。

2、随着深度学习技术的快速发展，神经网络在临床医学领域得到了广泛应用，可进行大规模数据筛选，进行各种重大疾病的预测和评估等。为了加强对pod发病机制研究，寻找特异性行为学特征及生物学标志物作为pod预测与早期诊断指标，通过深度学习算法实现pod早期预测成为可能。

技术实现思路

1、鉴于上述的分析，本专利技术旨在提供一种基于术前检测指标的术后谵妄预测模型的训练方法及设备，用于解决现有技术中无法在术前本文档来自技高网...

【技术保护点】

1.一种基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，

3.根据权利要求1所述的基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，对所述术后谵妄预测模型进行迭代训练，包括：

4.根据权利要求3所述的基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，为每个模块设置的所述损失函数如下式所示：

5.根据权利要求1所述的基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，所述术前检测指标包括眼跳数据、脑电数据、生物标志物指标数...

【技术特征摘要】

1.一种基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，

3.根据权利要求1所述的基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，对所述术后谵妄预测模型进行迭代训练，包括：

4.根据权利要求3所述的基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，为每个模块设置的所述损失函数如下式所示：

5.根据权利要求1所述的基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，所述术前检测指标包括眼跳数据、脑电数据、生物标志物指标数据、人口学数据、谵妄评估量表数据和认知量表数据；

6.根据权利要求5所述的基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，所述眼跳数据包括术前采集的正向眼跳任务、反向眼跳任务和记忆诱导眼跳任务对应的眼跳数据的二维时序轨迹数据；所述脑电数据包括静息态脑电数据和执行眼跳任务时采集的事件相关电位；

7.根据权利要求6所述的基于术前检测指标的术后谵妄预测模型的训练方法，其特征在于，所述眼跳数据参数包...

【专利技术属性】
技术研发人员：康猛，贾斐，韩永正，吴俊儒，苏佳雯，刘涛涛，李正迁，杨宁，曲音音，李民，郭向阳，张鸣沙，邓甜，
申请(专利权)人：北京大学第三医院北京大学第三临床医学院，
类型：发明
国别省市：