一种脓毒症智能早期预警方法及系统与流程
本发明涉及智能医疗,特别涉及一种脓毒症智能早期预警方法及系统。
背景技术:
1、脓毒症是住院患者死亡的主要原因之一,其病情进展极快,延迟治疗会显著增加死亡率。现有临床实践中,主要依赖序贯器官衰竭评估(sofa)评分进行诊断,但该评分高度依赖实验室检查结果,反馈周期长,难以实现实时预警。此外,医院现有的生命体征报警系统多采用单一阈值触发机制,误报率极高。
技术实现思路
1、为了解决上述背景技术中存在的技术问题,本发明提供了一种脓毒症智能早期预警方法及系统。
2、为实现以上目的,本发明的第一个方面提供了一种脓毒症智能早期预警方法,包括:
3、获取患者在当前时间窗口内的多模态时序数据,包括动态生理特征、实验室指标特征、静态特征、临床文本语义特征以及各特征的缺失掩码;
4、基于所述多模态时序数据构建时序特征向量,以及采用滑动时间窗构建历史观测序列;
5、将所述历史观测序列输入一级过滤器,使用所述多模态时序数据中的部分特征计算快速评分,并将所述快速评分与第一阈值进行比较;
6、若所述快速评分小于所述第一阈值,则输出低风险状态;若所述快速评分大于或等于所述第一阈值,则将所述历史观测序列输入二级核心预测器;
7、对所述历史观测序列进行时序编码,得到隐藏状态;
8、将所述隐藏状态输入风险预测网络,输出脓毒症发生风险概率。
9、进一步,所述构建时序特征向量,具体包括:
10、对所述动态生理特征中的高频生命体征信号计算统计特征和趋势特征,得到动态生理特征向量;
11、对所述实验室指标特征构建当前值、变化率、差分变化量及时间间隔特征,得到实验室特征向量;
12、对所述静态特征进行编码,得到静态特征向量;
13、对所述临床文本语义特征进行命名实体识别和句向量编码,得到文本特征向量;
14、构建缺失掩码向量,其中,表示第个特征在时刻有真实测量,否则为0;
15、将上述向量拼接为,作为当前时间窗口的时序特征向量。
16、进一步,所述二级核心预测器中,对所述历史观测序列中的每个时间步 kk 分别通过线性映射层将动态生理特征、实验室特征和文本特征映射至统一维度:
17、;
18、并将映射后的特征与静态特征及缺失掩码 拼接为编码器输入。
19、进一步,所述时序编码采用多层时序编码网络,所述多层时序编码网络为transformer encoder 或双向门控循环单元,并在自注意力计算中引入缺失感知机制:
20、;
21、其中, 为基于缺失掩码的调制函数。
22、进一步,输出所述脓毒症发生风险概率之后,还包括可解释性计算步骤:
23、采用集成梯度法计算所述风险概率对输入历史观测序列中每个时间步和每个特征的偏导数;
24、根据所述偏导数生成特征维度的贡献度向量和时间维度的贡献度向量,提取贡献度排名前预设数量个的特征及其对应时间步;
25、将所述贡献度排名前预设数量个的特征映射为临床可读的证据项。
26、进一步,输出所述脓毒症发生风险概率之后,还包括风险分级与预警输出步骤:
27、根据所述风险概率划分风险等级;
28、当所述风险等级达到或超过预设等级阈值时,触发预警并推送预警信息至医护终端。
29、本发明的第二个方面提供了一种脓毒症智能早期预警系统,包括:
30、数据获取模块,用于获取患者在当前时间窗口内的多模态时序数据,包括动态生理特征、实验室指标特征、静态特征、临床文本语义特征以及各特征的缺失掩码;
31、特征构建模块,用于基于所述多模态时序数据构建时序特征向量,以及采用滑动时间窗构建历史观测序列;
32、一级过滤模块,用于将所述历史观测序列输入一级过滤器,使用所述多模态时序数据中的部分特征计算快速评分,并将所述快速评分与第一阈值进行比较;
33、分支控制模块,用于若所述快速评分小于所述第一阈值,则输出低风险状态;若所述快速评分大于或等于所述第一阈值,则将所述历史观测序列输入二级核心预测器;
34、时序编码模块,用于对所述历史观测序列进行时序编码,得到隐藏状态;
35、风险预测模块,用于将所述隐藏状态输入风险预测网络,输出脓毒症发生风险概率。
36、本发明的第三个方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并在处理器上运行的程序,所述处理器执行所述程序时实现如本发明第一方面所述的脓毒症智能早期预警方法中的步骤。
37、本发明的第四个方面提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本发明第一方面所述的脓毒症智能早期预警方法中的步骤。
38、本发明的第五个方面提供了一种计算机程序产品,包括软件代码,所述软件代码中的程序执行如本发明第一方面所述的脓毒症智能早期预警方法中的步骤。
39、与现有技术相比,本发明提供的一种脓毒症智能早期预警方法及系统,通过一级过滤器与二级核心预测器两级级联架构,先利用低维特征快速筛除绝大部分低风险患者,仅对疑似高风险患者启动深度时序编码与风险预测,从而在保证实时性的前提下大幅降低计算负担和误报率,实现了高效且精准的早期预警。
1.一种脓毒症智能早期预警方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述构建时序特征向量,具体包括:
3.根据权利要求1所述的方法,其特征在于,所述二级核心预测器中,对所述历史观测序列中的每个时间步 kk 分别通过线性映射层将动态生理特征、实验室特征和文本特征映射至统一维度:
4.根据权利要求1所述的方法,其特征在于,所述时序编码采用多层时序编码网络,所述多层时序编码网络为 transformer encoder 或双向门控循环单元,并在自注意力计算中引入缺失感知机制:
5.根据权利要求1所述的方法,其特征在于,输出所述脓毒症发生风险概率之后,还包括可解释性计算步骤:
6.根据权利要求1所述的方法,其特征在于,输出所述脓毒症发生风险概率之后,还包括风险分级与预警输出步骤:
7.一种脓毒症智能早期预警系统,其特征在于,包括:
8.一种电子设备,包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现了如权利要求1至6中任一项所述的脓毒症智能早期预警方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现了如权利要求1至6中任一项所述的脓毒症智能早期预警方法的步骤。
10.一种计算机程序产品,包括软件代码,其特征在于,所述软件代码中的程序执行如权利要求1至6中任一项所述的脓毒症智能早期预警方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com