一种用于脑卒中患者吞咽障碍风险评估方法及系统与流程

本发明涉及医疗监测，特别是指一种用于脑卒中患者吞咽障碍风险评估方法及系统。

背景技术：

1、吞咽障碍的精准评估对于预防误吸、肺炎及营养不良等并发症至关重要。现有的吞咽功能评估手段主要包括视频荧光吞咽检查（vfss）和纤维内镜吞咽评估（fees），但这些方法具有侵入性、辐射暴露且无法在床旁或家庭环境中长期连续监测。近年来，基于表面肌电信号（semg）和喉部运动传感器的非侵入式检测技术逐渐受到关注。

2、然而，颈部皮肤曲面复杂且易受汗液、毛发影响，导致电极-皮肤接触阻抗不稳定，采集的信号信噪比波动大，直接影响后续分析的可靠性；其次，吞咽动作涉及多组肌肉群的协同收缩，不同患者甚至同一患者在不同康复阶段的肌肉激活模式存在显著个体差异，固定的分类模型难以适应这种动态变化；再次，现有的多模态融合方法往往简单叠加特征，忽略了不同传感器通道在特定时刻的信号质量差异及其对整体评估结果的贡献权重，导致在部分通道失效或噪声干扰下评估准确率大幅下降。因此，急需一种能够自适应感知通道状态、动态调整通道间关联关系并结合个体化基线进行闭环校准的吞咽障碍风险评估方案。

技术实现思路

1、为了解决颈部皮肤曲面复杂且易受汗液、毛发影响，导致电极-皮肤接触阻抗不稳定，采集的信号信噪比波动大，直接影响后续分析的可靠性；其次，吞咽动作涉及多组肌肉群的协同收缩，不同患者甚至同一患者在不同康复阶段的肌肉激活模式存在显著个体差异，固定的分类模型难以适应这种动态变化；再次，现有的多模态融合方法往往简单叠加特征，忽略了不同传感器通道在特定时刻的信号质量差异及其对整体评估结果的贡献权重，导致在部分通道失效或噪声干扰下评估准确率大幅下降的技术问题，本发明提供了一种用于脑卒中患者吞咽障碍风险评估方法及系统。

2、本发明实施例提供的技术方案如下：

3、第一方面：

4、本发明实施例提供的一种用于脑卒中患者吞咽障碍风险评估方法，包括：

5、s1：获取多通道的表面肌电信号与喉部应变信号，并确定各个通道的通道可信度；

6、s2：基于所述通道可信度对所述表面肌电信号与所述喉部应变信号进行同步分段与特征提取，得到双模态吞咽特征张量；

7、s3：基于所述通道可信度对通道间的动态关联关系进行修正，得到修正邻接矩阵；

8、s4：基于所述双模态吞咽特征张量与所述修正邻接矩阵进行吞咽状态识别，得到吞咽风险识别结果；

9、s5：基于所述吞咽风险识别结果，结合个体化评估基线，计算个体化吞咽风险值，并基于所述个体化吞咽风险值对所述个体化评估基线进行闭环更新，以校准后续吞咽状态识别的评估参数。

10、进一步地，所述确定各通道的通道可信度，包括：

11、计算各个电极通道在阻抗测量频率下的电极-皮肤等效阻抗；

12、根据所述电极-皮肤等效阻抗筛选有效电极通道，得到有效电极通道集合；

13、计算所述有效电极通道集合中各个有效电极通道的信噪比；

14、根据所述电极-皮肤等效阻抗和所述信噪比，确定每个所述有效电极通道的通道可信度。

15、进一步地，所述基于所述通道可信度对所述多通道表面肌电信号与所述喉部应变信号进行同步分段与特征提取，得到双模态吞咽特征张量，包括：

16、对所述喉部应变信号进行基线漂移校正，得到去噪应变信号；

17、设定滑动窗口长度和滑动步长；

18、基于所述滑动窗口长度和所述滑动步长，计算各个滑动窗口内的多通道去噪表面肌电信号的多通道平均肌电幅值；

19、根据所述多通道平均肌电幅值，对吞咽活动片段进行标记；

20、将连续满足吞咽活动片段的滑动窗口合并为吞咽候选事件，并结合所述去噪应变信号的上抬趋势，确定每个所述吞咽候选事件的起始时间和结束时间，形成吞咽候选事件集合；

21、对所述吞咽候选事件集合中的每个吞咽候选事件，从所述多通道去噪表面肌电信号中截取事件时段内的各个电极通道信号，计算包括均方根特征、平均绝对值特征和过零率特征的时域特征；

22、对所述各个电极通道信号进行频谱估计，得到功率谱，并基于所述功率谱计算包括中值频率和平均功率频率的频域特征；

23、根据所述去噪应变信号计算喉部上抬幅值、喉部上抬持续时间和肌电-应变时序延迟；

24、将所述时域特征、所述频域特征、所述喉部上抬幅值、所述喉部上抬持续时间和所述肌电-应变时序延迟，按照同一吞咽候选事件编号进行绑定，形成所述双模态吞咽特征张量。

25、进一步地，所述特征提取还包括连续小波变换时频特征提取：

26、对每个所述吞咽候选事件的各个电极通道的表面肌电信号进行连续小波变换；

27、对连续小波变换系数取幅值，并从中选择最大值形成压缩时频特征；

28、将所述压缩时频特征作为所述双模态吞咽特征张量的时频特征。

29、进一步地，所述基于所述通道可信度对通道间的动态关联关系进行修正，得到修正邻接矩阵，包括：

30、将每个有效电极通道作为图节点，从所述双模态吞咽特征张量中提取表面肌电时频特征部分，构造通道节点特征矩阵；

31、基于所述通道节点特征矩阵，通过自注意力机制，计算当前吞咽候选事件对应的自适应邻接矩阵；

32、根据所述通道可信度对所述自适应邻接矩阵进行加权修正，得到所述修正邻接矩阵。

33、进一步地，所述基于所述双模态吞咽特征张量与所述修正邻接矩阵进行吞咽状态识别，得到吞咽风险识别结果，包括：

34、将所述双模态吞咽特征张量中的连续小波变换时频特征输入时间卷积单元，提取吞咽动作短时变化特征；

35、将所述修正邻接矩阵和所述短时变化特征输入至图神经网络层，聚合相邻通道的空间协同特征；

36、将所述空间协同特征与所述双模态吞咽特征张量中的喉部上抬幅值、喉部上抬持续时间和肌电-应变时序延迟共同输入时序分类层，输出各类吞咽状态的概率，其中，各类吞咽状态的分类概率包括正常吞咽概率和异常吞咽概率；

37、根据所述空间协同特征和所述分类概率，确定通道贡献权重，并计算肌肉收缩强度评分；

38、将所述肌肉收缩强度评分和所述各类吞咽状态的概率组合，得到所述吞咽风险识别结果。

39、进一步地，所述基于所述吞咽风险识别结果，结合个体化评估基线，计算个体化吞咽风险值，包括：

40、采集患者多次正常吞咽样本，提取每次所述正常吞咽样本的肌肉收缩强度评分、喉部上抬幅值和肌电-应变时序延迟，建立个体化评估基线，并基于所述个体化评估基线计算个体化阈值；

41、根据所述吞咽风险识别结果中的肌肉收缩强度评分、所述双模态吞咽特征张量中的喉部上抬幅值和肌电-应变时序延迟以及所述个体化阈值，确定无效吞咽标记；

42、根据所述吞咽风险识别结果中的异常吞咽概率与所述无效吞咽标记，结合喉部上抬不足程度和时序延迟异常程度，计算个体化吞咽风险值。

43、进一步地，所述基于所述个体化吞咽风险值对所述个体化评估基线进行闭环更新，包括：

44、根据所述个体化吞咽风险值，确定吞咽风险等级；

45、在所述吞咽风险等级为高风险的情况下，触发预警；在所述吞咽风险等级为低风险的情况下，将当前吞咽候选事件作为新的正常吞咽样本，采用递推方式更新个体化评估基线；

46、根据更新后的个体化评估基线重新计算所述个体化阈值，使后续吞咽风险融合适应同一患者在长期佩戴、疲劳状态和康复进展下的信号变化。

47、进一步地，方法还包括：

48、在所述吞咽风险等级为中风险的情况下，将当前吞咽候选事件加入中风险观察队列；

49、基于所述中风险观察队列中连续多个吞咽候选事件的个体化吞咽风险值变化趋势、吞咽风险等级变化趋势以及吞咽风险识别结果，确定中风险趋势判定结果；

50、在所述中风险趋势判定结果表征连续多个吞咽候选事件的个体化吞咽风险值下降至低风险范围且所述吞咽风险识别结果表征对应吞咽候选事件为正常吞咽事件的情况下，将满足条件的吞咽候选事件作为候选正常样本，对所述个体化评估基线进行延迟更新；否则，触发持续监测提示。

51、第二方面：

52、本发明实施例提供的一种用于脑卒中患者吞咽障碍风险评估系统，包括：

53、处理器；

54、存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如第一方面所述的用于脑卒中患者吞咽障碍风险评估方法。

55、本发明实施例提供的技术方案带来的有益效果至少包括：

56、在本发明中，通过构建通道可信度量化模型，能够在信号采集源头实时感知电极-皮肤界面的物理连接状态与信号质量，并将该可信度作为先验知识贯穿于特征提取、图结构构建及风险融合的全流程，有效解决了因颈部曲面贴附不稳或汗液干扰导致的信号失真问题，提升了系统在复杂佩戴环境下的鲁棒性。进一步地，利用通道可信度对自注意力机制生成的自适应邻接矩阵进行加权修正，使得图神经网络能够动态抑制低质量通道的信息传播并增强高置信度通道的空间协同特征聚合，实现了多通道肌电信号拓扑关系的自适应重构，克服了固定图结构无法适应个体解剖差异及电极位置偏移的缺陷。同时，引入基于个体化评估基线的闭环更新机制，仅利用低风险吞咽事件递推更新基线参数，既保证了评估标准随患者康复进程或生理状态变化的动态适配性，又避免了异常样本污染基线模型，从而在长期连续监测场景下维持了吞咽障碍风险评估的准确性与个性化水平。