一种基于膳食含水量与饮水记录的心衰患者风险预测方法及系统与流程
本发明涉及机器学习,尤其涉及一种基于膳食含水量与饮水记录的心衰患者风险预测方法及系统。
背景技术:
1、目前,心衰患者的液体摄入管理高度依赖对膳食含水量与饮水记录的联合监测,以评估代偿性液体蓄积风险。现有技术通常采用固定时间窗口的特征提取路径,例如将小时级饮水记录与日级膳食含水量通过前向填充或均值聚合压缩至同一时间粒度,生成统一尺度的摄入特征序列,随后输入循环神经网络或一维卷积网络进行风险预测。该处理路径试图以单一时间窗统一捕获液体负荷变化,隐含假设两种液体摄入来源在时间演化特性上具有一致性。
2、例如,心衰患者在数小时内因口渴或医嘱执行可产生急剧的饮水脉冲,而同期膳食含水量仅发生缓慢的跨日微调,两种摄入模式在锐度、变化频率和惯性上构成深层时间尺度矛盾。当短期饮水骤变与长期膳食缓变在同一监测时段内共存时,固定时间窗方法陷入固有矛盾:短窗口能保留饮水脉冲细节却无法有效积累膳食趋势的慢变量,长窗口可反映膳食惯性却平滑掉饮水脉冲的尖峰特征,导致两类关键信息无法同时被完整保留。技术后果表现为模型将节律性高频饮水误判为容量风险脉冲,或因膳食趋势被饮水噪声淹没而漏判真正的液体蓄积前兆,在多尺度时序冲突下产生错误风险估计。
3、因此,亟需一种在饮水行为高频突变与膳食水分慢变趋势深度矛盾并存的监测场景下,依然能够分别维持两条时序通道的固有时间特性,并在高层融合时正确解析二者矛盾信息的方法,以解决因多尺度时序冲突导致的风险错误评估问题,提高代偿性液体蓄积风险预测的可靠性与临床实用性。
技术实现思路
1、针对上述存在的技术不足,本发明的目的是提出一种基于膳食含水量与饮水记录的心衰患者风险预测方法,旨在解决现有技术中单一时间窗口处理液体摄入数据,尤其是在短期饮水骤变与长期膳食趋势并存的条件下,无法实现多尺度时序矛盾导致的风险错误评估的技术问题。
2、为解决上述技术问题,本发明采用如下技术方案:本发明提供一种基于膳食含水量与饮水记录的心衰患者风险预测方法。
3、所述一种基于膳食含水量与饮水记录的心衰患者风险预测方法包括:
4、步骤s10:获取患者液体摄入原始数据,基于所述患者液体摄入原始数据采用时间对齐与数据补齐机制执行摄入数据预处理任务,输出液体摄入对齐数据;
5、步骤s20:基于所述液体摄入对齐数据采用节律自适应脉冲门控机制执行饮水脉冲特征提取任务,输出脉冲增强摄入特征;
6、步骤s30:基于所述脉冲增强摄入特征采用液体摄入过载驱动的时序状态更新机制执行摄入趋势提取任务,输出液体摄入时序特征向量;
7、步骤s40:基于所述液体摄入时序特征向量采用滞后方向门控融合机制执行跨时间尺度特征融合任务,输出融合风险表征向量;
8、步骤s50:根据所述融合风险表征向量进行液体超负荷相关再入院风险预测,输出目标患者在预设预测时段内的风险概率;
9、优选地,步骤s10中,获取患者液体摄入原始数据,基于所述患者液体摄入原始数据采用时间对齐与数据补齐机制执行摄入数据预处理任务,输出液体摄入对齐数据的步骤,具体包括:
10、步骤s101:从饮水记录装置获取按照小时记录的饮水量和对应的饮水时刻,构建小时级饮水记录序列;从膳食含水量记录端获取按照监测日记录的膳食含水量,构建日级膳食含水量序列;将所述小时级饮水记录序列和所述日级膳食含水量序列封装为所述患者液体摄入原始数据;
11、步骤s102:基于所述患者液体摄入原始数据,对所述小时级饮水记录序列和所述日级膳食含水量序列分别进行异常记录剔除和缺失记录补齐,并将补齐后的日级膳食含水量序列按照监测日期映射至对应的小时位置,输出双通道对齐序列;
12、步骤s103:对所述双通道对齐序列中的饮水量和膳食含水量分别进行归一化处理,并根据各小时位置对应的采集时刻添加时间位置编码,输出所述液体摄入对齐数据。
13、优选地,步骤s20中,基于所述液体摄入对齐数据采用节律自适应脉冲门控机制执行饮水脉冲特征提取任务,输出脉冲增强摄入特征的步骤,具体包括:
14、步骤s201:从所述液体摄入对齐数据中提取小时级饮水量序列,按照所述小时级饮水量序列中的饮水量依次更新慢适应基线和快适应基线,并将所述慢适应基线与所述快适应基线中的较大值确定为动态混合基线,计算公式为:
15、
16、
17、
18、步骤s202:基于第小时的饮水量和第小时的动态混合基线,计算第小时的脉冲门控权重,计算公式为:
19、
20、其中,为小时序号,为第小时的饮水量,为第小时的慢适应基线,为第小时的慢适应基线,为第小时的快适应基线,为第小时的快适应基线,为慢适应衰减因子,为快适应衰减因子,且满足,为第小时的动态混合基线,为第小时的脉冲门控权重,为sigmoid函数,为双曲正切函数,为饮水量差值敏感系数,为饮水量比值敏感系数,为防止分母为零的预设正数;
21、步骤s203:从所述液体摄入对齐数据中提取局部饮水变化特征,按照对应小时的脉冲门控权重对所述局部饮水变化特征进行加权,并将加权后的局部饮水变化特征与对应小时的膳食含水量特征进行融合,输出所述脉冲增强摄入特征。
22、优选地,步骤s203中,按照对应小时的脉冲门控权重对所述局部饮水变化特征进行加权的步骤,包括:
23、将脉冲门控权重大于预设脉冲判定阈值且饮水量大于对应动态混合基线的小时位置确定为脉冲小时位置;
24、将时间连续的脉冲小时位置合并为饮水脉冲区间,并对各饮水脉冲区间内的局部饮水变化特征进行加权聚合,得到饮水脉冲区间特征;
25、将所述饮水脉冲区间特征与所述饮水脉冲区间对应的膳食含水量特征进行融合,得到所述脉冲增强摄入特征。
26、优选地,步骤s30中,基于所述脉冲增强摄入特征采用液体摄入过载驱动的时序状态更新机制执行摄入趋势提取任务,输出液体摄入时序特征向量的步骤,具体包括:
27、步骤s301:按照监测日对所述脉冲增强摄入特征中的小时级饮水量进行累加,并将累加得到的每日饮水量与对应监测日的膳食含水量相加,得到各监测日的日总液体摄入量;
28、步骤s302:根据所述日总液体摄入量和预设日液体摄入限值计算液体摄入过载程度,计算公式为:
29、
30、
31、其中,为监测日序号,为第个监测日所包含的小时序号集合,为第个监测日的膳食含水量,为第个监测日的日总液体摄入量,为预设日液体摄入限值,为第个监测日的液体摄入过载程度;
32、步骤s303:将所述脉冲增强摄入特征输入时序状态更新网络,根据各监测日的液体摄入过载程度调节当前监测日摄入特征和历史时序状态在状态更新结果中的占比,其中,所述液体摄入过载程度增大时,提高当前监测日摄入特征的保留比例并降低历史时序状态的保留比例,输出所述液体摄入时序特征向量。
33、优选地,步骤s40中,基于所述液体摄入时序特征向量采用滞后方向门控融合机制执行跨时间尺度特征融合任务,输出融合风险表征向量的步骤,具体包括:
34、步骤s401:从所述液体摄入时序特征向量中提取短时饮水脉冲分量和中期液体摄入趋势分量,按照预设滞后步长集合对所述短时饮水脉冲分量和所述中期液体摄入趋势分量进行时间移位,输出滞后特征对集合;
35、步骤s402:基于所述滞后特征对集合,分别确定短时饮水脉冲变化先于中期液体摄入趋势变化的第一滞后关联程度和中期液体摄入趋势变化先于短时饮水脉冲变化的第二滞后关联程度,并根据所述第一滞后关联程度和所述第二滞后关联程度生成滞后方向门控向量;
36、步骤s403:根据所述滞后方向门控向量,对所述滞后特征对集合中不同滞后方向对应的特征对进行加权融合,并对不同预设滞后步长对应的加权结果进行聚合,输出所述融合风险表征向量。
37、优选地,步骤s50中,根据所述融合风险表征向量进行液体超负荷相关再入院风险预测,输出目标患者在预设预测时段内的风险概率的步骤,具体包括:
38、步骤s501:将所述融合风险表征向量输入风险预测网络,利用所述风险预测网络对所述融合风险表征向量进行非线性映射,输出再入院风险判别值;
39、步骤s502:获取验证样本,并根据验证样本确定与预设预测时段对应的预设温度缩放参数,并利用预设温度缩放参数对所述再入院风险判别值进行校准,输出校准风险判别值;
40、步骤s503:对所述校准风险判别值进行概率映射,输出目标患者在预设预测时段内发生液体超负荷相关再入院事件的风险概率。
41、本发明还提供一种基于膳食含水量与饮水记录的心衰患者风险预测系统,所述系统包括:
42、摄入数据预处理模块,用于获取患者液体摄入原始数据,基于所述患者液体摄入原始数据采用时间对齐与数据补齐机制执行摄入数据预处理任务,输出液体摄入对齐数据;
43、饮水脉冲提取模块,用于基于所述液体摄入对齐数据采用节律自适应脉冲门控机制执行饮水脉冲特征提取任务,输出脉冲增强摄入特征;
44、摄入趋势提取模块,用于基于所述脉冲增强摄入特征采用液体摄入过载驱动的时序状态更新机制执行摄入趋势提取任务,输出液体摄入时序特征向量;
45、滞后方向融合模块,用于基于所述液体摄入时序特征向量采用滞后方向门控融合机制执行跨时间尺度特征融合任务,输出融合风险表征向量;
46、风险预测模块,用于根据所述融合风险表征向量进行液体超负荷相关再入院风险预测,输出目标患者在预设预测时段内的风险概率。
47、本发明还提供一种基于膳食含水量与饮水记录的心衰患者风险预测设备,所述基于膳食含水量与饮水记录的心衰患者风险预测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于膳食含水量与饮水记录的心衰患者风险预测程序,所述基于膳食含水量与饮水记录的心衰患者风险预测程序被所述处理器执行时实现上述方法。
48、本发明还提供一种计算机程序产品,所述计算机程序产品包括基于膳食含水量与饮水记录的心衰患者风险预测程序,所述基于膳食含水量与饮水记录的心衰患者风险预测程序被处理器执行时实现上述方法。
49、本发明的有益效果在于:
50、本发明将小时级饮水记录和日级膳食含水量分别完成异常记录剔除、缺失记录补齐和时间映射,并在归一化后添加时间位置编码,使两类采样粒度不同的数据形成具有统一时间索引且保留来源差异的液体摄入对齐数据,为后续在相同小时位置比较饮水变化与膳食含水量提供稳定的数据基础。以慢适应基线和快适应基线共同形成动态混合基线,依据当前饮水量相对基线的差异和比例生成脉冲门控权重,并对连续脉冲小时进行区间合并,使符合患者日常节律的饮水变化受到抑制,偏离既有节律且连续出现的摄入突增得到保留,减少固定阈值对不同饮水习惯患者造成的误判。
51、本发明按监测日汇总饮水量并与膳食含水量组合得到日总液体摄入量,再依据医嘱对应的日液体摄入限值确定过载程度,并用过载程度调节当前摄入特征与历史时序状态的占比,使时序状态在未超限时保持连续,在摄入超限时及时提高对当前摄入变化的响应。分别比较短时饮水脉冲先于中期摄入趋势以及中期摄入趋势先于短时饮水脉冲的滞后关联程度,由此形成滞后方向门控向量,并对不同方向和不同滞后步长的特征对进行加权聚合,使融合风险表征向量同时保留摄入变化的幅度、时间错位和先后方向。
52、本发明利用风险预测网络将融合风险表征向量映射为再入院风险判别值,再根据与预设预测时段对应的验证样本确定温度缩放参数并完成概率校准,使最终风险概率不仅反映特征强弱,还与指定预测时段内液体超负荷相关再入院事件的实际发生比例保持更好的对应关系。
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