一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法及系统与流程

摘要: 本发明涉及医疗数据处理,尤其涉及一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法及系统。背景技术:1、对于急性呼吸窘迫综合征,传统分类(如柏林标准)依...
一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法及系统与流程

本发明涉及医疗数据处理,尤其涉及一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法及系统。

背景技术:

1、对于急性呼吸窘迫综合征,传统分类(如柏林标准)依赖单点或静态平均值评估氧合功能(pao2/fio2)的方式,无法反映疾病动态演变规律;静态分型忽略病程中氧合功能的时序变化特征;现有机器学习模型多聚焦于基线数据,未充分利用高维时间序列信息;传统peep策略选择缺乏客观生理依据。

2、因此,提出一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法及系统,来解决现有技术存在的困难,是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此,本发明提供了一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法,包括:

2、s1、获取急性呼吸窘迫综合征亚表型分类数据;

3、s2、对急性呼吸窘迫综合征亚表型分类数据进行预处理,得到氧合指数动态轨迹数据集;

4、s3、将氧合指数动态轨迹数据集按一定比例分为训练集和测试集;

5、s4、构建基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类模型;

6、s5、利用训练集数据对基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类模型进行训练,得到训练好的基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类模型;

7、s6、基于训练好的基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类模型,利用测试集数据,对急性呼吸窘迫综合征亚表型进行分类,得到分类结果。

8、上述的方法,可选的,s1中,获取急性呼吸窘迫综合征亚表型分类数据,具体为:

9、获取数据库中的原始急性呼吸窘迫综合征数据,

10、对原始急性呼吸窘迫综合征数据进行异常值筛选,得到急性呼吸窘迫综合征亚表型分类数据。

11、上述的方法,可选的,s2中,对急性呼吸窘迫综合征亚表型分类数据进行预处理,包括:

12、排除临床变量缺失率超过设定阈值的数据;

13、采用gbtm似然估计填补氧合指数动态轨迹缺失值;

14、排除不可信或极端异常值;

15、对数值型变量进行标准化处理,根据时间戳对数据进行数据对齐,得到氧合指数序列。

16、上述的方法,可选的,s4中,构建基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类模型,包括:时序特征提取模块、多模态融合模块和分类与优化模块;

17、时序特征提取模块:使用双向lstm捕获氧合指数动态轨迹,通过叠加注意力机制加权关键时间点的生理状态;

18、多模态融合模块:临床静态数据通过全连接层编码,与lstm输出的时序特征拼接,采用transformer编码器对多源异构数据进行多模态融合;

19、分类与优化模块:根据多模态融合后的多源异构数据,输出层通过softmax函数输出亚表型概率;通过加权交叉熵损失,缓解类别不平衡。

20、上述的方法,可选的,s5中,利用训练集数据对基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类模型进行训练,具体为:

21、将训练集数据作为训练数据,在深度学习框架中迭代训练卷积神经网络直至收敛。

22、一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类系统,用于执行上述任一项所述的一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法,包括:依次连接的数据采集模块、数据处理模块、模型构建模块、模型训练模块、模型测试模块和显示模块;

23、数据采集模块,用于获取急性呼吸窘迫综合征数据;

24、数据处理模块,用于对急性呼吸窘迫综合征亚表型分类数据进行预处理,得到氧合指数动态轨迹数据集;

25、模型构建模块,用于构建基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类模型;

26、模型训练模块,用于对基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类模型进行训练;

27、模型测试模块,用于利用测试集数据,对急性呼吸窘迫综合征亚表型进行分类,得到分类结果;

28、显示模块,显示急性呼吸窘迫综合征亚表型分类结果。

29、经由上述的技术方案可知,与现有技术相比,本发明提供了一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法,具有以下有益效果:本发明摒弃传统单点或静态平均值评估氧合功能(pao2/fio2)的方式,连续追踪患者病程中pao2/fio2的动态变化轨迹,通过提取轨迹中蕴含的时间序列模式、波动特征、变化趋势和响应性等信息,利用深度学习方法可以更加精确地识别出具有不同临床特征、病理生理机制、治疗反应和预后的急性呼吸窘迫综合征亚表型;本发明捕捉疾病演变的动态过程,反映更真实的病理生理状态,超越静态快照;动态轨迹包含的丰富信息比单点测量或静态均值具有更强的预后判断能力。

1.一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法,其特征在于,包括:

2.根据权利要求1所述的一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法,其特征在于,

3.根据权利要求1所述的一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法,其特征在于,

4.根据权利要求1所述的一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法,其特征在于,

5.根据权利要求1所述的一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法,其特征在于,

6.一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类系统,用于执行权利要求1-5任一项所述的一种基于氧合指数动态轨迹的急性呼吸窘迫综合征亚表型分类方法,包括:依次连接的数据采集模块、数据处理模块、模型构建模块、模型训练模块、模型测试模块和显示模块;