一种基于多源数据融合的产后康复智能评估方法及系统与流程

摘要: 本发明涉及用于诊断目的的测量,尤其是涉及一种基于多源数据融合的产后康复智能评估方法及系统。背景技术:1、产后康复是一个涉及盆底肌功能恢复、子宫复旧、形体变化、心...
一种基于多源数据融合的产后康复智能评估方法及系统与流程

本发明涉及用于诊断目的的测量,尤其是涉及一种基于多源数据融合的产后康复智能评估方法及系统。

背景技术:

1、产后康复是一个涉及盆底肌功能恢复、子宫复旧、形体变化、心理状态调整等多维度的复杂生理病理过程,且各类评估指标之间存在着密切的生理关联与相互影响,现有技术的产后康复评估主要依赖人工问诊、体格检查以及标准化问卷量表等方式实现,但是,人工问诊和体格检查主要通过专科医师凭借临床经验对产妇的恢复状态进行主观判断,其评估结果往往受到医师个人专业水平、临床经验以及主观认知等因素的显著影响,不同评估者之间的评估一致性无法得到有效保证;其次,标准化问卷量表虽然能够在一定程度上实现评估的量化与标准化,但此类量表通常基于患者主观自报数据构建,无法实时、客观地反映产妇的生理功能状态变化,且存在患者理解偏差、报告延迟或遗漏等固有缺陷;还有,部分方法通过可穿戴设备、便携式检测仪器等装置引入单一的生理参数监测数据,例如通过压力传感器采集盆底肌力数据,或通过超声成像设备获取子宫复旧情况,但是,这类基于单一数据源的评估方案在评估维度上存在明显的局限性,无法全面覆盖产后康复所涉及的多个生理系统与功能指标,导致评估结果的全面性与准确性均无法满足临床精准医疗的实际需求。

技术实现思路

1、本发明的目的在于提供一种基于多源数据融合的产后康复智能评估方法及系统,其解决了现有技术中由于主观因素过多参与导致评估一致性较差、客观性较差,以及单一数据源导致的评估维度局限性较大的问题。

2、本发明的技术方案:

3、本发明提供一种基于多源数据融合的产后康复智能评估方法,包括:

4、步骤1.通过设置于产妇身上的多个数据采集终端分别采集盆底肌电信号数据、腹部压力分布数据、体姿体态图像数据以及心理状态问卷数据,其中,所述盆底肌电信号数据通过置于阴道内的柱状电极探头进行采集,所述腹部压力分布数据通过嵌入于产妇腹带内的柔性压力传感器阵列进行采集,所述体姿体态图像数据通过设置于评估室内的多角度红外深度相机进行采集;

5、步骤2.对采集到的原始数据执行滤波去噪、信号归一化及时序对齐处理,提取特征参数;

6、步骤3.将来自不同数据源的康复数据在统一的时间和空间坐标系下执行对齐处理,基于深度神经网络的多模态融合模型对四源康复数据执行特征层融合;

7、步骤4.基于融合后的特征向量,采用预训练的多层级评估分类网络输出产后康复状态的综合评估结果;

8、步骤5.根据当前评估对象的个体特征信息对评估模型执行在线微调;

9、步骤6.根据综合评估结果生成结构化的康复评估报告。

10、在一些实施例中,所述的步骤2中,基于盆底肌电信号数据提取特征参数,具体步骤为:

11、步骤211.采用带宽为20-500hz的带通滤波器执行预处理,滤除基线漂移和高频噪声;

12、步骤212.执行整流和平滑处理,提取肌电信号的包络特征;

13、步骤213.计算平均肌电值、均方根值及中位频率;

14、基于腹部压力分布数据提取特征参数,具体步骤为:

15、步骤221.采用空间插值算法将离散的压力传感节点数据重建为连续的压力分布云图,

16、步骤222.计算腹部左右对称区域的压力差值、腹壁张力的分布均匀度以及最大压力点位置相对于人体中轴线的偏移量;

17、基于体姿体态图像数据提取特征参数,具体步骤为:

18、步骤231.采用基于深度学习的姿态估计算法提取产妇的关节点坐标信息;

19、步骤232.计算脊柱曲度角度、骨盆倾斜角度、双肩水平偏差角度以及膝关节屈曲角度;

20、基于心理状态问卷数据提取特征参数,具体步骤为:

21、步骤241.将离散的选择题答案编码为数值型的心理评估得分;

22、步骤242.计算各量表的原始得分、标准化t分数及心理危机预警标记位。

23、在一些实施例中,所述的步骤3中,以盆底肌电信号的采集时刻为基准时间戳,采用三次样条插值算法将腹部压力分布数据、体姿体态图像数据及心理状态问卷数据重采样至与盆底肌电信号相同的采样时刻点,重采样后的统一时间序列长度为120秒,采样间隔为2毫秒。

24、在一些实施例中,所述的步骤3中,所述多模态融合模型包括四个独立的特征编码分支,分别对应四类数据源,每个分支采用一维卷积神经网络执行时序特征的层级提取,各分支提取的子特征向量经由注意力加权模块执行自适应权重分配后,级联形成融合后的多维特征向量,特征向量的总维度为512维。

25、在一些实施例中,所述的步骤4中,所述多层级评估分类网络采用深度残差网络架构,网络深度为50层,输入特征维度为512维,输出层采用softmax激活函数实现四分类输出,分别对应康复状态等级一、康复状态等级二、康复状态等级三和康复状态等级四。

26、在一些实施例中,所述的步骤5中,所述个体特征信息包括产妇的年龄、分娩方式、孕前体质指数、孕期增重、新生儿出生体重及哺乳方式。

27、在一些实施例中,所述的步骤5中,所述评估模型执行在线微调,具体步骤为:

28、步骤51.根据个体特征信息计算该产妇的个体化康复参考基线;

29、步骤52.将融合后的多维特征向量与个体化康复参考基线执行差异度计算,生成偏差修正向量;

30、步骤53.将偏差修正向量叠加至多层级评估分类网络的最后一层全连接层的输入端。

31、在一些实施例中,所述的步骤5中,所述个体化康复参考基线的计算还包括:基于贝叶斯更新的动态修正机制,根据该产妇历次评估的历史数据持续更新其个体化基线参数,初始先验分布根据同年龄段、同分娩方式产妇群体的群体统计数据设定。

32、本发明的另一方面,还提供一种基于多源数据融合的产后康复智能评估系统,包括:通过高速数据总线执行互联的数据采集模块、数据处理模块、融合分析模块、评估输出模块以及报告生成模块;其中,

33、所述数据采集模块包括肌电信号采集单元、压力分布采集单元、体姿图像采集单元和问卷数据采集单元;

34、所述数据处理模块包括信号处理单元、图像处理单元和数据管理单元;

35、所述融合分析模块包括特征编码单元、注意力加权单元和分类评估单元、模型版本管理单元;

36、所述评估输出模块包括结果显示单元、预警提示单元和复评提醒单元;

37、所述报告生成模块包括数据整合单元、图表绘制单元、报告模板引擎和输出接口单元。

38、在一些实施例中,本系统还包括远程医疗服务接口单元,所述远程医疗服务接口单元用于提供标准化应用程序编程接口,支持与第三方医院信息系统和区域健康信息平台执行数据交换。

39、根据以上技术特征,本发明的有益效果为:

40、(1)本发明通过设置四个独立的数据采集终端分别采集盆底肌电信号数据、腹部压力分布数据、体姿体态图像数据和心理状态问卷数据,实现产后康复多维度数据的全面覆盖,克服现有技术中单一数据源评估维度不足的技术缺陷。

41、(2)本发明采用基于深度神经网络的多模态融合模型对四源康复数据执行特征层融合,通过四个独立的特征编码分支分别提取各类数据的时序特征,并经由注意力加权模块实现自适应权重分配,有效解决现有技术中由于主观因素过多参与导致评估一致性较差、客观性较差的问题,还解决多源异构数据在物理特性、采集方式和数据格式方面的差异性问题,实现各类数据原始特征信息的完整性保留与协同利用。

42、(3)本发明通过引入包含年龄、分娩方式、孕前体质指数、孕期增重、新生儿出生体重及哺乳方式六项参数的个体特征信息,构建个体化康复参考基线计算模型,并对评估结果执行在线微调和偏差修正,有效提升评估模型对个体差异因素的适应性,使得评估结果更加精准且具有可解释性。