基于自适应决策树的急危重症患者院内转运风险预警系统

本发明涉及脑电信号监测，具体为基于自适应决策树的急危重症患者院内转运风险预警系统。

背景技术：

1、近年来，持续脑电图监测在评估患者脑神经元生理电活动、捕捉非惊厥性癫痫等隐匿性脑损伤时起到了越来越重要的作用。然而，急危重症患者常因病情需要进行院内转运（如前往放射科进行影像学检查），在此期间通常必须暂时撤除脑电监测导联。这会导致患者在转运途中处于较长时间的脑电生理监测盲区，若在此期间发生脑神经元异常放电，将面临极高的不可逆脑损伤风险。因此，通过测量患者脱机前的最后一段脑电生理信号，评估患者在无监测状态下的脑电残留风险具有重要的临床意义。

2、然而，现有的脑电监测设备在应对这种脱机转运场景时存在一定的缺陷。在撤除物理导联的准备期内，医护人员的触碰、导联线的移除以及患者体位的搬动，不可避免地会在脑电信号采集回路中引入强烈的机械接触伪迹与肌电干扰。传统的脑电监测设备基于固定的信号幅度进行即时触发报警，无法从生理本质上区分具有脑区空间传导特性的真实神经元放电与导联物理干扰引发的多通道同步突跳，传统设备一旦断开物理连接，监测即刻终止，无法将脱机前的异常放电负荷结合脑生理电活动，转化为对未来无监测盲区内的持续性生理风险评估，极易导致脱机前的误报或转运途中的漏报。

3、因此，急需一种通过测量脑电生理信号时克服物理脱机过程中特有的机械与肌电伪迹干扰以及脑神经元异常放电的系统，从而实现对患者脱离物理监测环境后的脑电残留风险的精准预警。

技术实现思路

1、针对现有脑电信号测量时的问题，本发明提供基于自适应决策树的急危重症患者院内转运风险预警系统。

2、为了实现上述目的，本发明的技术方案如下：

3、第一方面，本申请公开了基于自适应决策树的急危重症患者院内转运风险预警系统，包括脑电测量模块、脑电计算模块、状态更新模块与风险决策模块。

4、脑电测量模块获取脑电监测装置在停止监测前的多导联脑电信号并划分为多个依序排列的时间窗，提取各时间窗内有效导联的同源伪迹特征与初筛异常事件；

5、脑电计算模块基于当前时间窗的同源伪迹特征和上一时间窗的异常残留量，生成当前时间窗的自适应异常阈值，进而对初筛异常事件进行筛选，得到候选异常脑电事件；基于有效导联生成脑区导联拓扑图，进而计算候选异常脑电事件在导联间脑电波形的传播形态相容性；基于所述传播形态相容性进行保护修正得到修正同源伪迹特征，并计算候选异常脑电事件与修正同源伪迹特征之间的耦合关系，进而生成当前时间窗的高可信异常负荷；

6、状态更新模块对上一时间窗的异常残留量进行衰减控制，并叠加当前时间窗的高可信异常负荷，直至遍历全部时间窗后，得到表征脑电生理状态的最终异常残留量；

7、风险决策模块基于最终异常残留量，通过自适应决策树输出院内转运前的脑电残留风险预警等级。

8、第二方面，本申请公开了基于自适应决策树的急危重症患者院内转运风险预警方法，其应用于前述基于自适应决策树的急危重症患者院内转运风险预警系统，包括以下步骤：

9、获取脑电监测装置在停止监测前的多导联脑电信号并划分为多个依序排列的时间窗，提取各时间窗内有效导联的同源伪迹特征与初筛异常事件；

10、基于当前时间窗的同源伪迹特征和上一时间窗的异常残留量，生成当前时间窗的自适应异常阈值，进而对初筛异常事件进行筛选，得到候选异常脑电事件；基于有效导联生成脑区导联拓扑图，进而计算候选异常脑电事件在导联间脑电波形的传播形态相容性；基于所述传播形态相容性进行保护修正得到修正同源伪迹特征，并计算候选异常脑电事件与修正同源伪迹特征之间的耦合关系，进而生成当前时间窗的高可信异常负荷；

11、对上一时间窗的异常残留量进行衰减控制，并叠加当前时间窗的高可信异常负荷，直至遍历全部时间窗后，得到表征脑电生理状态的最终异常残留量；

12、基于最终异常残留量，通过自适应决策树输出院内转运前的脑电残留风险预警等级。

13、第三方面，本申请公开了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如第二方面介绍的用于基于自适应决策树的急危重症患者院内转运风险预警方法的步骤。

14、与现有技术相比，本发明的有益效果为：

15、1、本申请提升了复杂临床操作下脑电生理信号采集的抗物理干扰能力，有效遏制误报。改变了传统脑电监测设备依赖固定电位阈值触发报警的机械判定方式。针对重症患者准备脱机转运时特有的导联触碰、体位搬动等操作，本系统通过动态感知信号回路中的局部干扰强度，自适应调节生理信号的有效性筛选门槛。这一机制在降低误报概率的前提下，从生理信号采集的源头端，自适应隔离了由于机械接触和物理环境变化引入的非生理性复合伪迹，从物理测量层面解决了脱机准备期高假阳性报警的器械缺陷；

16、2、本申请精准地剥离了导联机械突跳，真实鉴别大脑神经元电活动的物理空间传导路径。突破了传统监测设备仅停留在单通道信号幅度比对的局限，深度结合了大脑神经元异常放电（如癫痫波）在物理脑区间的自然空间传导规律。系统通过捕捉脑电信号在不同物理导联间的波形时延与形态演变特征，能够提高“外部机械触碰导致的多导联瞬间同步物理突跳”与“具有真实神经通路传导特性的异常生理放电”的区分能力；

17、3、本申请客观量化脑异常电生理状态的时间延续性，填补脱机盲区的监测物理空白。针对脱机转运期间无监测设备连接的特殊状态，构建了对脑电生理异常“残留效应”的动态度量机制。通过连续追踪异常负荷的生理衰减过程，本系统成功将脱机前的最后一段实体脑电信号，转化为对未来脱机盲区内脑生理状态延续性的客观量化，克服了传统设备“物理断开即失去诊断能力”的局限；

1.基于自适应决策树的急危重症患者院内转运风险预警系统，其特征在于，包括：

2.根据权利要求1所述的基于自适应决策树的急危重症患者院内转运风险预警系统，其特征在于，所述脑电测量模块具体包括：

3.根据权利要求1所述的基于自适应决策树的急危重症患者院内转运风险预警系统，其特征在于，所述脑电计算模块中，基于当前时间窗的同源伪迹特征和上一时间窗的异常残留量，生成当前时间窗的自适应异常阈值，具体包括：

4.根据权利要求3所述的基于自适应决策树的急危重症患者院内转运风险预警系统，其特征在于，所述脑电计算模块中计算候选异常脑电事件在导联间脑电波形的传播形态相容性，具体包括：

5.根据权利要求4所述的基于自适应决策树的急危重症患者院内转运风险预警系统，其特征在于，所述根据所述传播形态相容性修正同源伪迹特征，并计算耦合关系，具体包括：

6.根据权利要求5所述的基于自适应决策树的急危重症患者院内转运风险预警系统，其特征在于，所述脑电计算模块中生成当前时间窗的高可信异常负荷具体包括：

7.根据权利要求1所述的基于自适应决策树的急危重症患者院内转运风险预警系统，其特征在于，所述状态更新模块中对所述上一时间窗的异常残留量进行衰减控制，并叠加当前时间窗的高可信异常负荷，具体包括：

8.根据权利要求1所述的基于自适应决策树的急危重症患者院内转运风险预警系统，其特征在于，所述风险决策模块中通过所述自适应决策树输出院内转运前的脑电残留风险预警等级，具体包括：

9.基于自适应决策树的急危重症患者院内转运风险预警方法，应用于如权利要求1-8中任一项所述的基于自适应决策树的急危重症患者院内转运风险预警系统，其特征在于，包括以下步骤：

10.一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，其特征在于，所述处理器执行计算机程序时实现如权利要求9所述的基于自适应决策树的急危重症患者院内转运风险预警方法的步骤。