多模态融合的新生儿脑损伤程度AI评估与预后预测系统

本发明涉及医疗数据处理与人工智能，具体涉及一种多模态融合的新生儿脑损伤程度ai评估与预后预测系统。

背景技术：

1、新生儿重症监护室中，针对患有缺血缺氧性脑病的新生儿，临床通常需要同步采集床旁连续脑电信号（eeg）与静态的核磁共振影像（mri），并通过人工智能与多模态数据处理技术来评估脑损伤程度并预测预后演变趋势。

2、然而在真实的临床应用场景中，患儿定时接受的吸痰、翻身等常规护理干预会引发脑电波形的应激性波动，且患儿大脑应对外部刺激时平息波动的能力，不仅取决于正常脑组织的总容量，更取决于正常脑组织在空间上的连通完整度。

3、现有技术在处理这类场景时，通常采用直接的特征拼接方法：分别提取静态核磁影像中的异常病变体积占比，以及离散时间窗内的脑电波幅特征，随后将这些孤立的特征向量直接输入全连接网络进行评估。无法提取异常病灶的空间碎片化特征并构建其与动态应激波动之间的物理约束关系，不能有效剥离日常护理操作引发的虚假波动杂波，使得输出的脑损伤评估数值随外部常规干预产生无规律的跳变，为临床提供的病情演化预测的参考价值较低。

技术实现思路

1、为了解决现有技术在评估患有缺血缺氧性脑病的新生儿的脑损伤程度并预测预后演变趋势时，为临床提供的病情演化预测的参考价值较低的技术问题，本发明的目的在于提供一种多模态融合的新生儿脑损伤程度ai评估与预后预测系统，所采用的技术方案具体如下：

2、本发明提出了一种多模态融合的新生儿脑损伤程度ai评估与预后预测系统，所述系统包括：

3、数据获取模块，用于获取目标患儿在当前触发时刻的干预后时间窗序列和核磁共振脑部三维矩阵；所述干预后时间窗序列包括每个采样时刻下的脑电波电压数值；所述核磁共振脑部三维矩阵包括每个体素的灰度值；

4、基础特征分析模块，用于基于所述干预后时间窗序列中脑电波电压数值的累积情况，得到当前触发时刻的应激波动特征；根据所述核磁共振脑部三维矩阵中体素的灰度值的数据特征，分析每个体素的正常等效值；

5、综合特征分析模块，用于融合当前触发时刻和历史触发时刻的应激波动特征、核磁共振脑部三维矩阵中每个体素与相邻体素的正常等效值的联合分布特征，以及当前触发时刻的核磁共振脑部三维矩阵中体素的正常等效值的累积情况，得到当前触发时刻的综合风险指标；

6、预测结果输出模块，用于基于所述综合风险指标的数值特征，确定预后得分；所述预后得分用于对新生儿脑损伤程度进行预测。

7、进一步地，所述基于所述干预后时间窗序列中脑电波电压数值的累积情况，得到当前触发时刻的应激波动特征，包括：

8、将所述干预后时间窗序列中每个采样时刻的脑电波电压数值与预设的脑电基线数值的差值绝对值进行累加的结果，与任意相邻两个采样时刻之间的时间间隔进行乘法运算，得到当前触发时刻的应激波动特征。

9、进一步地，所述根据所述核磁共振脑部三维矩阵中体素的灰度值的数据特征，分析每个体素的正常等效值，包括：

10、根据所述核磁共振脑部三维矩阵中每个体素的灰度值与预设的参考灰度基准的偏离程度，确定每个体素的病变等效值；

11、基于每个体素的病变等效值的负相关系数，确定每个体素的正常等效值。

12、进一步地，所述融合当前触发时刻和历史触发时刻的应激波动特征、核磁共振脑部三维矩阵中每个体素与相邻体素的正常等效值的联合分布特征，以及当前触发时刻的核磁共振脑部三维矩阵中体素的正常等效值的累积情况，得到当前触发时刻的综合风险指标，包括：

13、基于预设回溯窗口内当前触发时刻与历史触发时刻的应激波动特征，对当前触发时刻的应激波动特征执行归一化操作，得到当前触发时刻的标准应激特征；

14、根据预设回溯窗口内当前触发时刻与历史触发时刻的核磁共振脑部三维矩阵中每个体素与相邻体素的正常等效值的联合分布特征，确定当前触发时刻的标准病灶空间特征；

15、根据当前触发时刻的核磁共振脑部三维矩阵中所有体素的正常等效值的累积情况，分析当前触发时刻的标准正常特征；

16、融合所述标准应激特征、标准病灶空间特征和标准正常特征，得到综合风险指标。

17、进一步地，所述根据预设回溯窗口内当前触发时刻与历史触发时刻的核磁共振脑部三维矩阵中每个体素与相邻体素的正常等效值的联合分布特征，确定当前触发时刻的标准病灶空间特征，包括：

18、将预设回溯窗口内任意一个触发时刻的核磁共振脑部三维矩阵中每个体素与相邻的每个体素之间的正常等效值进行乘法运算，得到每个体素与相邻的每个体素之间的有效乘积；

19、将任意一个触发时刻内所有有效乘积的累加和，与所述有效乘积的总数量的比值，作为任意一个触发时刻的病灶空间特征；

20、基于预设回溯窗口内当前触发时刻与历史触发时刻的病灶空间特征，对当前触发时刻的病灶空间特征执行归一化操作，得到当前触发时刻的标准病灶空间特征。

21、进一步地，所述根据当前触发时刻的核磁共振脑部三维矩阵中所有体素的正常等效值的累积情况，分析当前触发时刻的标准正常特征，包括：

22、将当前触发时刻的核磁共振脑部三维矩阵中所有体素的正常等效值的累加和，作为等效正常特征；

23、将所述等效正常特征与预设的容量基准的比值，作为当前触发时刻的标准正常特征。

24、进一步地，所述融合所述标准应激特征、标准病灶空间特征和标准正常特征，得到综合风险指标，包括：

25、将所述标准应激特征的平方，与所述标准病灶空间特征和标准正常特征之间的乘积的比值，作为综合风险指标。

26、进一步地，所述基于所述综合风险指标的数值特征，确定预后得分，包括：

27、基于所述综合风险指标与预设的满量程风险基准之间的相对关系，得到预后得分。

28、进一步地，所述预测结果输出模块还用于：

29、利用数据拟合算法处理预设回溯窗口内当前触发时刻和历史触发时刻的预后得分，得到得分变化率和基础得分；

30、基于所述得分变化率和基础得分，对每个未来触发时刻进行线性计算，得到每个未来触发时刻的预后得分。

31、进一步地，所述根据所述核磁共振脑部三维矩阵中体素的灰度值的数据特征，分析每个体素的正常等效值之后，还包括：

32、若所述核磁共振脑部三维矩阵中任意一个体素的正常等效值小于等于0，则将任意一个体素的正常等效值更新为预设的极小正数；若所述核磁共振脑部三维矩阵中任意一个体素的正常等效值大于0，则保留任意一个体素的正常等效值。

33、本发明具有如下有益效果：

34、本发明基于目标患儿在当前触发时刻的干预后时间窗序列中脑电波电压数值的累积情况，得到当前触发时刻的应激波动特征，将脑电波动的绝对振幅偏移大小与异常状态的持续时间进行有效融合，实现长时序交流波动信号向单一稳定标量特征的可靠转化，从而真实、客观地量化出大脑应对外部物理刺激时所承受的总体过度反应负荷。根据目标患儿在当前触发时刻的核磁共振脑部三维矩阵中体素的灰度值的数据特征，分析每个体素的正常等效值，将视觉影像特征转化为数字节点属性，为后续量化异常区域的空间碎片化分布提供底层数据基础。

35、融合当前触发时刻和历史触发时刻的应激波动特征、核磁共振脑部三维矩阵中每个体素与相邻体素的正常等效值的联合分布特征，以及当前触发时刻的核磁共振脑部三维矩阵中体素的正常等效值的累积情况，得到当前触发时刻的综合风险指标，以空间维度的物理结构底座对时间维度的动态异常波动执行约束，滤除了因正常脑组织空间分布碎片化而放大的虚假脑电波动杂波，提升了在面临高频临床常规护理干扰时输出风险评估结果的鲁棒性。

36、基于综合风险指标的数值特征，确定预后得分，将抽象的绝对特征数值转化为相对危险标尺，实现多模态数据量纲统一与个体评估基准对齐，提升了预后得分的参考价值，为医护人员调整护理干预策略、提前部署医疗救护方案提供数字化决策依据。