基于多模态数据融合的深静脉血栓早期精准诊断方法及系统

本发明涉及医学人工智能，具体为基于多模态数据融合的深静脉血栓早期精准诊断方法及系统。

背景技术：

1、医学人工智能是人工智能技术与医学领域的深度融合，它不仅仅是技术的应用，更是一场颠覆性的医疗范式革命，它以海量医疗数据为基础，通过模拟、延伸和拓展人类专家的认知能力，构建起一个从底层基因、中层病症到上层诊疗的智慧化医疗体系。

2、现有技术难以全方位整合影像、可穿戴生理、实验室及临床文本等多源数据，导致深静脉血栓诊断依据匮乏，无法形成完整且精准的信息支撑体系，影像数据采集时，探头与设备参数设置缺乏科学性，影响影像清晰度与准确性；可穿戴设备探头布局及采样频率规划不合理，生理数据质量难以保证；实验室数据检测流程不规范，多源数据关联性差，难以构建时间轴一致的数据集，影响数据整体质量，针对不同类型数据，预处理方法缺乏针对性。影像数据去噪算法单一，血管区域分割模型落后，刚性配准误差较大；可穿戴生理数据伪影去除效果不佳，血流时序特征提取不充分，温度与血流动力学数据处理方式不科学；实验室数据缺失值补充与错误数据剔除算法不精准，影响数据完整性，在预处理优化方面存在不足，影像数据预处理未对模型进行深度改进，如未引入注意力机制优化u - net模型，刚性配准未采用解剖标志点约束；可穿戴生理数据预处理未明确小波基与分解层数，血流时序特征提取细节描述不清晰，影响预处理效果，依赖传统方法进行多模态数据融合，无法实现独立特征提取与噪声有效隔离，难以从电子病历中精准提取临床语义特征，限制了数据价值的深度挖掘，特征提取手段较为单一，未能综合运用cnn、lstm、多因素逻辑回归等多种模型，分别提取影像结构、生理时序、实验室量化特征，导致特征信息不全面，多模态数据融合权重分配机制缺乏灵活性，采用固定权重模式，无法根据患者个体差异，如高风险人群、影像疑似特征，动态调整权重，降低了诊断的针对性与准确性，早期血栓诊断方法存在局限性，疑似血栓区标记重合度低，深度分类模型敏感度与特异度不足，对早期微小血栓识别能力弱，难以实现早期精准诊断，动态风险分级评估体系不完善，缺乏有效的风险预测模型，对患者风险等级划分不合理，风险评估一致性差；未设置即时风险触发机制，无法在实时生理信号异常时及时启动风险重评估，延误诊断时机，异常位置定位方法不科学，监测区划分不合理，多源数据融合算法不准确，导致定位误差大，与金标准一致性低，定位结果输出精度难以满足临床需求。

技术实现思路

1、本发明的目的在于提供基于多模态数据融合的深静脉血栓早期精准诊断方法及系统，具备影像数据高精尖、影像处理精准、超高灵敏度和精准定位的优点，解决了上述背景技术提出的问题。

2、为达成上述目的，本发明提供如下技术方案：基于多模态数据融合的深静脉血栓早期精准诊断系统，包括：多模态数据采集模块、多源异构数据预处理模块、多模态数据智能融合模块、dvt精准诊断与异常定位模块和预警反馈模块。

3、基于多模态数据融合的深静脉血栓早期精准诊断方法，其特征在于，其方法包括如下步骤：

4、s1：多模态数据精准采集：影像数据采集：采用高频线性探头，7-15mhz，对下肢股总静脉、股浅静脉、腘静脉、胫后静脉进行扫查，采集二维灰阶影像，帧频≥30fps、彩色多普勒血流影像，速度量程0-10cm/s，同时记录加压试验时血管腔的压缩率数据；ct静脉造影：层厚设定为0.625mm，采集静脉期增强影像，重建血管三维模型；mr静脉造影：采用对比增强法，采集血管的形态与血流动力学数据，重点标注可疑血管段的信号强度。

5、可穿戴生理数据采集：血流与温度监测：在下肢大腿上1/3、小腿中1/3、脚踝处固定ppg血流探头与热敏电阻温度探头，采样频率设定为100hz，采集静态状态下的光电容积波、局部皮肤温度，精度±0.1℃；血流动力学监测：智能压力袜内置微型压力传感器，每2小时进行一次动态加压测试，压力梯度15-30mmhg，采集静脉回流速率、血管顺应性数据；数据准入：剔除运动伪影占比超过10%的生理信号，采用3σ原则筛选异常温度数据。

6、实验室数据采集：凝血功能指标：采集静脉血检测d-二聚体，临界值设定为0.5mg/l feu、纤维蛋白原、凝血酶原时间；遗传风险指标：通过微阵列芯片检测因子、凝血酶原基因突变，输出个体化遗传风险评分；数据关联：所有实验室数据与影像、生理数据绑定患者唯一id及采集时间戳，构建时间轴一致的多源数据集。

7、s2：多源异构数据标准化预处理：影像数据预处理：超声影像采用自适应中值滤波去除斑点噪声，ct/mr影像采用非局部均值滤波抑制高斯噪声；采用u-net模型自动分割静脉血管区域，通过刚性配准算法将不同时间点、不同模态的影像对齐至同一解剖坐标系，配准误差≤1mm。

8、可穿戴生理数据预处理：采用自适应小波变换去除运动伪影，提取ppg信号的波峰间期、舒张期衰减斜率等12项血流时序特征；温度数据采用min-max归一化映射至0-1区间，血流动力学数据采用z-score标准化消除个体差异。

9、实验室数据预处理：采用k近邻算法补充缺失的凝血指标，遗传突变数据采用多重插补法补全；对超出医学合理范围的指标结合临床病历判断是否为病理异常，剔除实验室操作失误导致的错误数据。

10、s3：多模态数据智能融合与特征建模：临床文本特征：引入元学习与微分拓扑约束，对影像噪声、生理信号伪影、实验室数据偏差进行分离，突破传统融合对显式信号对齐的依赖，实现不同模态数据的独立特征提取与噪声隔离，采用大语言模型从电子病历中提取年龄、手术史、妊娠状态临床语义特征；影像结构特征：通过cnn模型提取血管纹理、血栓边界深层视觉特征；生理时序特征：采用lstm模型提取血流信号的周期变化、温度波动时序动态特征；实验室量化特征：构建多因素逻辑回归模型，将凝血指标与遗传风险评分转化为量化风险特征。

11、通过稀疏激活门控模块，将四类特征映射至统一高维特征空间，根据不同数据的诊断权重：影像占40%、生理占25%、实验室占20%、临床特征占15%，进行加权融合，生成包含512维特征的融合向量。

12、s4：早期dvt精准诊断与异常定位：结合融合特征与临床金标准，实现早期血栓的高灵敏度识别与精准定位：早期血栓识别：采用区域生长算法，从融合影像特征中标记血管内灰度异常、血流充盈缺损的疑似血栓区，疑似区域与金标准的重合度≥85%；将融合特征输入深度分类模型，输出dvt阳性概率，以超声造影为金标准，模型敏感度≥96%、特异度≥93%，对发病72小时内的早期微小血栓，直径＜5mm，识别率≥90%。

13、动态风险分级评估：时序模型构建：以连续30天的多模态时序特征为输入，训练lstm风险预测模型；风险等级输出：将患者分为4个风险等级：低风险概率＜10%、中风险概率10%-30%、高风险概率30%-70%、极高风险概率＞70%，风险评估的一致性kappa系数≥0.85。

14、异常位置精准定位：纵向将下肢分为大腿上段、大腿下段、小腿上段、小腿下段、脚踝5个血流监测区，横向分为内侧、外侧、后侧3个温度监测区；结合影像的解剖定位、生理信号的异常区域、实验室数据的局部炎症特征，采用加权投票算法确定血栓位置，定位误差≤2cm，与金标准ctv的一致性≥92%。

15、s5：预警反馈与动态迭代优化：建立闭环式诊断-监测-更新机制，实现个体化精准管理：分级预警推送：根据风险等级推送对应干预方案：低风险推送居家活动指导、压力袜穿戴建议；中风险推送每周复查提示；高风险推送立即超声复查预警；极高风险触发紧急医疗救援对接；根据患者风险等级设置监测频率：低风险每7天采集一次数据，高风险每天采集一次生理数据，每3天复查一次超声；每季度纳入1000例新患者的多模态数据，采用迁移学习微调融合模型参数，保证模型对新发dvt亚型、人群的适应性，每年模型诊断准确率提升≥2%。

16、进一步的，作为本发明一种优选的，所述步骤s2中，影像数据预处理的u-net模型为加入注意力机制的改进型u-net，通过通道注意力模块强化静脉血管的边缘特征权重；刚性配准算法采用基于互信息的多模态配准方法，配准过程中引入血管解剖标志点作为约束点，进一步将配准误差控制在≤0.8mm。

17、进一步的，作为本发明一种优选的，所述步骤s2中，可穿戴生理数据预处理的自适应小波变换采用5阶daubechies小波基，分解层数为4层，提取ppg信号的12项血流时序特征包括：波峰间期、舒张期衰减斜率、波峰高度变异系数、血流灌注指数、脉率变异度、上升时间、下降时间、重搏波深度、舒张期面积占比、收缩期峰值流速、舒张末期流速、平均流速。

18、进一步的，作为本发明一种优选的，所述步骤s3中，多模态数据智能融合的权重分配为动态可调机制：当患者为妊娠晚期、术后72小时内等高风险人群时，将生理数据权重调整至30%、临床特征权重调整至20%；当影像数据中存在疑似血栓灰度特征时，将影像数据权重临时提升至50%。

19、进一步的，作为本发明一种优选的，所述步骤s4中，早期血栓识别的区域生长算法为自适应阈值区域生长算法：以血管内灰度值低于周围正常血管均值20%的像素点为初始种子点，生长过程中结合血流充盈度阈值，血流充盈度＜60%，动态调整生长停止条件，当待生长区域的血流充盈度≥60%时停止生长。

20、进一步的，作为本发明一种优选的，所述步骤s4中，动态风险分级评估还包括即时风险触发机制：当实时采集的ppg信号血流速率骤降≥30%、局部皮肤温度升高≥1℃时，立即触发风险重评估流程，无需等待30天完整时序数据。

21、进一步的，作为本发明一种优选的，所述步骤s4中，异常位置定位的加权投票算法权重设置为：影像解剖定位特征权重占比50%，以ctv血管三维模型的血栓坐标为基准；可穿戴生理信号异常区域权重占比30%，以血流速率骤降、温度异常的监测区域为依据；实验室局部炎症特征权重占比20%，以d-二聚体局部升高趋势、炎症因子水平为补充；定位结果采用三维坐标，下肢纵向距离、横向方位、深度输出，坐标精度≤1.5cm。

22、有益效果，本技术的技术方案具备如下技术效果：本发明具备数据采集全面且精准、数据预处理精细且有效、数据融合与特征建模智能且灵活、早期诊断与定位精准且全面和预警反馈与动态迭代优化及时且持续的优点，在实际使用过程中综合影像数据、可穿戴生理数据、实验室数据以及临床文本数据，全面获取与深静脉血栓相关的各类信息，为精准诊断提供丰富依据；影像数据采集使用特定参数的探头和设备，确保影像质量；可穿戴设备合理布置探头，设定合适采样频率，保证生理数据准确性；实验室数据严格检测并关联多源数据，构建时间轴一致的数据集。

23、针对不同类型数据采用适宜方法，影像数据用不同滤波算法去噪，采用改进型u-net模型分割血管区域，刚性配准算法误差小；可穿戴生理数据用自适应小波变换去除伪影，提取丰富血流时序特征，对温度和血流动力学数据分别归一化和标准化；实验室数据用不同算法补充缺失值，剔除错误数据；如影像数据预处理中u-net模型加入注意力机制，刚性配准算法引入解剖标志点约束；可穿戴生理数据预处理明确小波基和分解层数，详细列出提取的血流时序特征。

24、引入元学习与微分拓扑约束，突破传统依赖，实现不同模态数据独立特征提取与噪声隔离，还能从电子病历中提取临床语义特征；通过cnn、lstm、多因素逻辑回归等模型分别提取影像结构、生理时序、实验室量化特征；多模态数据融合权重分配为动态可调机制，根据患者不同情况，如高风险人群、影像疑似特征，临时调整权重，提高诊断针对性。

25、采用自适应阈值区域生长算法标记疑似血栓区，重合度高；深度分类模型敏感度、特异度高，对早期微小血栓识别率高；构建lstm风险预测模型，将患者分为4个风险等级，风险评估一致性高；设置即时风险触发机制，当实时生理信号异常时立即触发风险重评估；纵向和横向划分监测区，结合多源数据采用加权投票算法确定血栓位置，定位误差小，与金标准一致性高，定位结果以三维坐标输出，精度高。

26、应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。