基于望诊的冠心病风险等级评估方法、装置、设备及介质

摘要: 本发明涉及智能辅助诊断与疾病风险评估,特别是涉及基于望诊的冠心病风险等级评估方法、装置、设备及介质。背景技术:1、中医望诊辅助评估冠心病,是指依托中医“有诸内必...
基于望诊的冠心病风险等级评估方法、装置、设备及介质

本发明涉及智能辅助诊断与疾病风险评估,特别是涉及基于望诊的冠心病风险等级评估方法、装置、设备及介质。

背景技术:

1、中医望诊辅助评估冠心病,是指依托中医“有诸内必形诸外”的整体观,通过采集受检者面色、舌象、眼象、耳象、手象及脉象等体表可视化特征,对其罹患冠心病的风险程度进行无创、快速的辅助判断。该技术的作用在于弥补冠脉造影、ct血管成像等有创或高成本检查在大规模人群早期筛查中的局限,为基层医疗机构和健康体检场景提供一种低成本、可重复的初筛手段,同时也契合中医“治未病”的干预理念。其常规实现方式多为固定权重线性加权评分模型:先由领域专家或在特定样本上统计得出各项望诊指标的预设权重,再将各指标量化得分按权重求和得到综合评分,最后依据百分位阈值将受检者划分为低、中、高风险等级。

2、然而,上述常规实现方式存在三方面突出缺陷。(1)首先是跨人群不可迁移性:固定权重体系通常在已确诊或高度富集人群中训练得到,当迁移至未确诊的一般筛查人群时,各指标的权重排序会发生显著反转,致使模型在筛查场景下的判别效能大幅下降,曲线下面积及校准误差均显著劣化;现有应对方式是针对不同人群分别建立独立模型,仍无法实现统一的自适应推断。(2)其次是信息损失:对双侧望诊指标仅取计分较高一侧,直接丢弃了左右不对称信息,而左右不对称本身具有独立的病理提示意义,该处理实质上压缩了特征空间的有效维度。(3)再有是辨证与辨病割裂:模型直接由望诊特征映射至疾病风险,未引入中医证素作为中介表征,既缺乏中医理论层面的可解释性,也无法借助证素层的领域知识约束来降低小样本条件下的过拟合风险。

技术实现思路

1、本发明旨在提供基于望诊的冠心病风险等级评估方法、装置、设备及介质,以解决上述技术问题,提高冠心病的风险评估准确性与中医辨证可解释性。

2、为了解决上述技术问题,本发明提供了基于望诊的冠心病风险等级评估方法,包括:

3、基于具备双侧属性的望诊指标构建望诊特征向量;其中,望诊特征向量是结合受检者在望诊指标两侧的等级分值确定的;

4、将基于受检者信息建立的人群语境特征向量输入至经过训练的逻辑回归模型,生成受检者的冠心病验前概率,并根据冠心病验前概率生成每个望诊指标在每个等级的等级似然比;

5、根据望诊特征与证素之间的稀疏连接结构推断各个证素的存在概率,生成证素概率向量和证型概率分布结果;其中,望诊特征是基于各个望诊指标的观测项确定的;

6、以冠心病验前概率为起点,对各个望诊指标的等级似然比进行更新并融合,生成冠心病校准后验概率;

7、将证素概率向量和证型概率分布结果作为共享表征参数,结合冠心病校准后验概率进行多任务联合训练,生成冠心病风险等级评估结果。

8、上述方案中,通过结合受检者在望诊指标两侧的等级分值构建望诊特征向量,完整保留了双侧望诊信息,克服了现有技术仅取计分较高一侧而丢弃左右不对称信息的缺陷,使左右失衡这一具有独立病理意义的征象得以纳入评估,提升了特征维度的完整性。而后,通过逻辑回归模型由人群语境特征生成冠心病验前概率,并以验前概率为条件生成每个望诊指标在每个等级的等级似然比,使等级似然比随受检者人群语境动态调整而非固定不变,解决了现有模型在筛查人群与确诊富集人群间迁移时权重排序反转、判别效能下降的问题,实现了单一模型对不同人群的统一自适应推断。进一步的,通过望诊特征与证素之间的稀疏连接结构推断各证素存在概率并生成证素概率向量与证型概率分布,通过稀疏连接的领域知识约束降低了小样本过拟合风险,实现了辨证与辨病的有机结合。再有,以验前概率为起点对各望诊指标的等级似然比依次更新融合并校准输出后验概率,保证了多指标证据的序贯累积与概率输出的校准性,使评估结果与实际风险频率相一致。最后,将证素概率向量与证型概率分布作为共享表征参数进行多任务联合训练,使多维输出共享统一的中医语义基础,既保证了各任务输出在辨证逻辑上的一致性,又能通过任务间正则化效应提升小样本下的泛化性能,为临床提供多维量化的评估参考。

9、在一种实现方式中,基于具备双侧属性的望诊指标构建望诊特征向量,具体包括:

10、获取具备双侧属性的望诊指标,根据望诊指标的左侧等级分值和右侧等级分值构建有序等级离散序列;其中,望诊指标的类型包括耳诊类、手诊类、目诊类和面诊类;

11、根据左侧等级分值和右侧等级分值之间差值的绝对值计算不对称幅度;

12、根据左侧等级分值和右侧等级分值之间差值的正负性确定不对称方向;其中,每个方向对应一个映射数值;

13、对望诊指标的左侧等级分值、右侧等级分值、不对称幅度和不对称方向对应的映射数值进行拼接,得到望诊特征向量。

14、上述方案中,通过同时保留望诊指标的左侧与右侧等级分值并构建有序等级离散序列,进而提取不对称幅度与不对称方向两类派生特征,最终以四元组形式拼接为望诊特征向量,克服了现有技术仅取计分较高一侧而丢弃左右不对称信息的缺陷;同时维持了等级分值的序数结构,丰富了望诊特征的有效维度,有助于提升中医辨证与冠心病风险评估的准确性。

15、在一种实现方式中,将基于受检者信息建立的人群语境特征向量输入至经过训练的逻辑回归模型,生成受检者的冠心病验前概率,具体包括:

16、根据包含人口学特征、症状性质特征和就诊情境标志的受检者信息建立人群语境特征向量;其中,人口学特征包括年龄和性别,症状性质特征包括胸痛性质、持续时间、诱发因素与缓解因素,就诊情境标志包括区分筛查人群和确诊富集人群;

17、将人群语境特征向量输入至经过训练的逻辑回归模型,以使逻辑回归模型以人群语境特征向量为自变量进行极大似然估计,生成受检者的冠心病验前概率;其中,逻辑回归模型由海量受检者样本的人群语境特征向量通过极大似然估计学习得到,冠心病验前概率的表达式为:

18、;

19、式中,为冠心病验前概率;为sigmoid逻辑函数,用于将线性预测值映射为概率;为人群语境特征向量;为与人群语境特征向量等长的权重向量;为转置符号;为偏置项,表示当所有语境特征取基准值时的基线对数几率,反映训练样本总体的患病基础水平。

20、上述方案中,通过融合人口学特征、症状性质特征和就诊情境标志建立人群语境特征向量,并输入经海量样本极大似然估计训练的逻辑回归模型生成冠心病验前概率,能够从多个维度客观量化受检者的基线患病风险,为后续贝叶斯序贯更新提供合理先验起点。

21、在一种实现方式中,根据冠心病验前概率生成每个望诊指标在每个等级的等级似然比,具体包括:

22、根据就诊情境标志将受检者样本划分为筛查人群组和确诊富集人群组;其中,筛查人群组对应低验前概率区,确诊富集人群组对应高验前概率区;

23、对于望诊指标的每个等级,在筛查人群组和确诊富集人群组分别统计阳性样本与阴性样本的出现频率,根据阳性样本与阴性样本的比值得到每个等级的低验前概率端点和高验前概率端点;其中,阳性样本为确诊冠心病的受检者样本,阴性样本为非确诊冠心病的受检者样本;

24、将受检者的冠心病验前概率归一化为插值系数,并在低验前概率端点和高验前概率端点之间进行平滑插值,得到望诊指标在每个等级的等级似然比。

25、上述方案中,按就诊情境标志将训练样本划分为筛查人群组与确诊富集人群组,并分别统计各望诊指标等级在两组内的似然比端点值,再以受检者验前概率归一化得到的插值系数在两端点间平滑插值,使每个望诊指标的等级似然比随受检者人群语境动态调整而非固定不变,从根本上解决了现有固定权重模型在筛查人群与确诊富集人群间迁移时权重排序反转、判别效能大幅下降的缺陷;同时避免了为不同人群分别建立独立模型的冗余,以单一模型实现了对连续人群谱的统一自适应推断,且端点值由数据统计得到、插值过程平滑连续,保证了权重调整的客观性与稳定性。

26、在一种实现方式中,根据望诊特征与证素之间的稀疏连接结构推断各个证素的存在概率,生成证素概率向量和证型概率分布结果,具体包括:

27、基于中医理论建立望诊特征与证素之间的稀疏连接结构;其中,望诊特征包括望诊指标的观测项和舌诊类望诊观测项;其中,稀疏连接结构只保留望诊特征与证素之间存在理论依据的连接边,证素的类型包括瘀、痰、湿、热、阳虚、气虚和阴虚;

28、逐一针对各个证素获取与其存在连接边的望诊特征,将各个望诊特征的等级分值进行加权融合,得到证素概率向量;其中,证素概率向量中的各个分量用于表征证素的存在概率;

29、按照虚轴与实轴对证素进行组合,生成证型概率分布结果;其中,组合方式包括虚轴证素之间组合、实轴证素之间组合以及虚轴与实轴之间交叉组合,虚轴证素包括阳虚、气虚和阴虚,实轴证素包括瘀、痰、湿和热。

30、上述方案中,通过基于中医理论建立望诊特征与证素之间的稀疏连接结构,仅保留存在理论依据的连接边,并逐一针对各证素获取相关望诊特征进行加权融合生成证素概率向量,再按虚轴与实轴对证素进行组合生成证型概率分布,在望诊特征与疾病风险之间引入了中医证素与证型作为中介表征,克服了现有技术直接由望诊特征映射至疾病风险所导致的辨证与辨病割裂、缺乏中医理论可解释性的缺陷;同时稀疏连接结构将中医领域知识显式编码为先验约束,有效降低了小样本条件下的过拟合风险,而证素概率向量与证型概率分布既可作为中间可解释结果输出,实现了辨证与辨病的有机统一。

31、在一种实现方式中,以冠心病验前概率为起点,对各个望诊指标的等级似然比进行更新并融合,生成冠心病校准后验概率,具体包括:

32、对于望诊指标的每个等级,根据该等级在确诊富集人群组出现概率和筛查人群组出现概率的比值,生成望诊指标的等级似然比;

33、根据随等级递增等级似然比的走向变化趋势对等级似然比施加等级单调约束;其中,当等级似然比为上升趋势时,等级单调约束为单调不减;当等级似然比为下降趋势时,等级单调约束为反向单调;

34、以冠心病验前概率为起点,对各个望诊指标的等级似然比依次做贝叶斯更新并进行融合,生成冠心病校准后验概率;其中,冠心病校准后验概率的表达式为:

35、;

36、式中,为冠心病校准后验概率;为参与融合的望诊指标总数,表示当前正在执行第几步贝叶斯更新,对应第几个望诊指标被纳入融合;为第个望诊指标的等级似然比;为上一轮输出的冠心病校准后验概率;

37、对冠心病校准后验概率进行校准得到冠心病后验校准概率。

38、上述方案中,通过按等级生成望诊指标的似然比并依据其随等级递增的走向趋势施加等级单调约束,再以冠心病验前概率为起点对各指标似然比依次做贝叶斯序贯更新与融合,最后对后验概率进行校准,消除了原始频率统计中可能出现的等级间非单调反常估计;贝叶斯序贯更新实现了多指标证据的渐进式累积与可解释融合,上一步后验自动成为下一步先验,且对缺失指标可直接边缘化跳过而无需填充,具有较强的临床数据鲁棒性;经概率校准后输出的后验概率与实际患病频率相一致,可以为后续风险分级与多任务评估提供可靠的概率基础。

39、在一种实现方式中,将证素概率向量和证型概率分布结果作为共享表征参数,结合冠心病校准后验概率进行多任务联合训练,生成冠心病风险等级评估结果,具体包括:

40、以证素概率向量和证型概率分布结果作为共享表征参数,基于共享表征参数进行多任务联合损失训练;其中,任务的类型包括风险等级、病变支数倾向和狭窄程度倾向,损失函数的表达式为:

41、;

42、式中,、、分别为风险等级、病变支数倾向和狭窄程度倾向三个任务的损失函数,、、为各任务的权重系数;

43、当损失函数的总和达到预设损失函数阈值时获取各个任务对应输出头的输出结果,得到冠心病风险等级概率分布、病变支数概率分布和主要冠脉狭窄程度概率分布;其中,风险等级任务根据冠心病校准后验概率所处的概率区间范围将其映射为风险等级;

44、基于冠心病风险等级概率分布的熵值生成不确定度指标,根据不确定度指标与预设阈值的比较结果生成风险等级量化结果;其中,当不确定度指标不超过预设阈值时,以冠心病风险等级概率分布作为风险等级量化结果;

45、根据风险等级量化结果、病变支数概率分布和主要冠脉狭窄程度概率分布生成冠心病风险等级评估结果。

46、上述方案中,将证素概率向量与证型概率分布作为共享表征参数进行风险等级、病变支数倾向和狭窄程度倾向的多任务联合训练,使风险等级、病变支数与狭窄程度三项输出共享统一的中医证素语义基础,既保证了各任务结果在辨证逻辑上的一致性与相互印证,又通过任务间正则化效应在小样本条件下提升了各输出头的泛化性能;同时基于风险等级概率分布的熵值量化不确定度并与预设阈值比较以决定是否输出确定性分级,不确定度量化与拒识门控机制在证据不足时主动承认不确定性并建议进一步检查,可以避免强行给出误导性确定性结论,从而为临床提供了既多维量化又安全可靠的冠心病风险等级评估结果。

47、第二方面,本技术还提供基于望诊的冠心病风险等级评估装置,包括:向量构建模块、权重生成模块、概率计算模块、概率更新模块和结果生成模块;

48、向量构建模块用于基于具备双侧属性的望诊指标构建望诊特征向量;其中,望诊特征向量是结合受检者在望诊指标两侧的等级分值确定的;

49、权重生成模块用于将基于受检者信息建立的人群语境特征向量输入至经过训练的逻辑回归模型,生成受检者的冠心病验前概率,并根据冠心病验前概率生成每个望诊指标在每个等级的等级似然比;

50、概率计算模块用于根据望诊特征与证素之间的稀疏连接结构推断各个证素的存在概率,生成证素概率向量和证型概率分布结果;其中,望诊特征是基于各个望诊指标的观测项确定的;

51、概率更新模块用于以冠心病验前概率为起点,对各个望诊指标的等级似然比进行更新并融合,生成冠心病校准后验概率;

52、结果生成模块用于将证素概率向量和证型概率分布结果作为共享表征参数,结合冠心病校准后验概率进行多任务联合训练,生成冠心病风险等级评估结果。

53、第三方面,本技术还提供一种终端设备,包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序,处理器执行计算机程序时实现如上的基于望诊的冠心病风险等级评估方法。

54、第四方面,本技术还提供一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行如上的基于望诊的冠心病风险等级评估方法。