基于大数据分析的凝血过程中异常识别方法及系统技术方案

本发明专利技术公开了一种基于大数据分析的凝血过程中异常识别方法及系统，包括：结合标准凝血检测与血栓弹力图动态监测，实现从静态指标到功能全程评估的跨越，同时结合患者个体化特征筛选历史相似病例，精准识别关键凝血指标；引入相关性分析动态筛选关键指标，并采用聚类分析建立自适应正常范围，最终通过量化偏离程度评估异常，本发明专利技术显著提升凝血状态监测的精准性和时效性，为临床提供个体化预警及干预依据，有效预防出血或血栓风险，推动凝血管理向智能化、精细化发展。

【技术实现步骤摘要】

本专利技术属于数据处理，涉及一种基于大数据分析的凝血过程中异常识别方法及系统。

技术介绍

1、凝血过程是在维持正常止血和防止血栓形成之间保持动态平衡的关键环节，当凝血功能异常时，可能导致出血或血栓性疾病，严重时甚至可能危及生命。所以，凝血过程的异常识别对预防和控制出血性疾病、降低手术风险、预防血栓形成等方面都有着重要作用。

2、常用的凝血过程异常识别方法为标准凝血检测，即通过一系列实验室检查（如凝血酶原时间（pt）、活化部分凝血活酶时间（aptt）、凝血酶时间（tt）等），评估患者的凝血功能、出血风险和血栓形成倾向。该方法虽然是临床凝血评估的重要手段，在手术前评估、出血性疾病筛查、抗凝药物监测中发挥着重要作用，但对凝血异常的判断依赖于医生的经验判断或统一的正常标准，无法针对不同患者情况提供客观且个性化的评估结果。

3、考虑到因病史、年龄、生理状态等差异，相同的凝血指标对不同患者的意义可能存在不同，即使在统一标准下，某个患者的凝血指标超出正常范围，也不一定代表存在异常，而另一位患者即使指标在正常范围内，也可能存在凝血功能障碍；采用统一本文档来自技高网...

【技术保护点】

1.基于大数据分析的凝血过程中异常识别方法，其特征在于，包括：通过标准凝血检测获得当前患者的凝血指标数据，并利用TEG设备获得当前患者的血栓弹力图；获取历史数据中的患者的年龄、疾病背景和药物使用情况与当前患者的特征相似性，进而筛选出反映当前患者凝血情况的目标数据；根据目标数据中每一凝血指标数据与血栓弹力图变化的相关性，获得每一凝血指标数据对当前患者凝血过程正常状态的反映程度数值，并对所有的反映程度数据进行排序，选取反映程度最高的若干个凝血指标为对患者凝血过程影响明显的凝血指标；基于所获取的反映程度最高的若干个凝血指标视为目标凝血指标，并根据目标凝血指标绘制坐标系，将所有目标历史患者数据放...

【技术特征摘要】

1.基于大数据分析的凝血过程中异常识别方法，其特征在于，包括：通过标准凝血检测获得当前患者的凝血指标数据，并利用teg设备获得当前患者的血栓弹力图；获取历史数据中的患者的年龄、疾病背景和药物使用情况与当前患者的特征相似性，进而筛选出反映当前患者凝血情况的目标数据；根据目标数据中每一凝血指标数据与血栓弹力图变化的相关性，获得每一凝血指标数据对当前患者凝血过程正常状态的反映程度数值，并对所有的反映程度数据进行排序，选取反映程度最高的若干个凝血指标为对患者凝血过程影响明显的凝血指标；基于所获取的反映程度最高的若干个凝血指标视为目标凝血指标，并根据目标凝血指标绘制坐标系，将所有目标历史患者数据放入坐标系中，对坐标系的数据进行聚类，并将获得密度最高的聚簇数据作为正常患者数据，进而确定目标凝血指标正常范围；判断当前患者的凝血指标数据是否在目标凝血指标正常范围，若否，则根据当前患者的凝血指标数据与目标凝血指标正常范围的最大值和最小值，获取当前患者的凝血指标数据与目标凝血指标正常范围的偏离程度，进而获取当前患者的凝血异常程度。

2.根据权利要求1所述的基于大数据分析的凝血过程中异常识别方法，其特征在于，所述血栓弹力图所包含的参数为：r时间、k时间、α角、ma值和ly30；其中，r时间为从液态血到纤维蛋白形成的时间；k时间从凝血到达到一定强度的时间；α角为纤维蛋白生成速率；ma值为血凝块最终强度；ly30为30 分钟内血栓降解率；所述凝血指标数据包括凝血酶原时间pt、国际标准化比值inr、活化部分凝血活酶时间aptt、凝血酶时间tt、纤维蛋白原fib和d-二聚体和血小板计数plt。

3.根据权利要求2所述的基于大数据分析的凝血过程中异常识别方法，其特征在于，所述获取历史数据中的患者的年龄、疾病背景和药物使用情况与当前患者的特征相似性，具体为：患者年龄相似程度根据历史数据中患者年龄和当前患者年龄差获得，具体为：其中，表示第i个历史数据患者与当前患者的年龄相似性，表示历史数据中第i个患者的年龄，表示当前患者的年龄，表示历史数据中第i个患者与当前患者的年龄差的绝对值；说明该年龄差绝对值越小，年龄相似度越高；保证分式有意义且；患者的疾病背景相似程度，根据历史数据中的患者与当前患者疾病重合度，如果历史数据中患者与当前患者疾病相同，则相似程度较高；而如果历史数据中患者有相应疾病但当前患者没有，则相似程度降低；若历史数据中患者与当前患者同时具有或不具有某一疾病，则计数，否则不计数，由此，计算历史数据中患者与当前患者的疾病背景相似性，具体为：其中，表示第i个历史数据患者与当前患者的疾病相似程度，表示统计影响凝血指标的疾病总数，表示第i个历史数据患者对应第d种疾病的计数值；患者的药物使用情况相似度与疾病相似度计算过程相同；若历史数据中患者与当前患者同时服用或不服用某一药物，则计数1，若历史数据中服用某种药物，而当前患者不服用该药物，否则不计数0，由此统计历史数据中患者药物使用情况与当前患者的相似程度，具体为：其中，表示第i个历史数据患者与当前患者的药物使用相似程度，表示统计影响凝血指标的药物总数，表示第i个历史数据患者对应第b种药物的计数值。

4.根据权利要求3所述的基于大数据分析的凝血过程中异常识别方法，其特征在于，所述筛选出反映当前患者凝血情况的目标数据，具体为；结合历史数据中患者与当前患者在年龄、疾病和用药情况方面的相似性，获取每个历史数据中患者与当前患者的相似程度数值；判断所获取的相似程度数值是否大于所设定的阈值，若大于，则认为该历史数据对应的患者与当前患者相似度较高，能够通过该历史数据对应患者的凝血过程反映当前患者凝血过程异常状况，筛选出所有能够反映当前患者凝血情况的目标数据；所述获取每个历史数据中患者与当前患者的相似程度数值，具体为：其中，表示第i个历史数据中患者与当前患者的相似程度。

5.根据权利要求4所述的基于大数据分析的凝血过程中异常识别方法，其特征在于，所述目标数据中每一凝血指标数据与血栓弹力图变化的相关性，具体为：步骤1：选取目标数据中的任一凝血指标数据和血栓弹力图中的任一参数，并对所选取的凝血指标数据和参数分别进行归一化处理；步骤2：将归一化处理后的凝血指标数据作为横坐标，参数作为纵坐标，并将所有目标数据对应的值视为数据放入坐标中；步骤3：将横坐标均匀划分为若干段，以每一段的中心点坐标值作为横坐标值，将该横坐标段中对应的所有纵坐标数据的平均值作为该中心点对应的纵坐标值，将横坐标数据与纵坐标数据一一对应，获得凝血指标数据-参数坐标图；步骤4：利用最小二乘法对坐标图中的数据进行拟合，获得拟合曲线；步骤5：根据拟合曲线斜率，获取该凝血指标数据对该参数的影响程度；步骤6：重复步骤1到步骤5，...

【专利技术属性】
技术研发人员：关彬彬，卢艳，解园，
申请(专利权)人：陕西省核工业二一五医院，
类型：发明
国别省市：