神经内科临床安全隐患检测方法及系统与流程

技术特征：
1.神经内科临床安全隐患检测方法，其特征在于，包括以下步骤：构建安全隐患训练数据集；所述安全隐患训练数据集的获取过程为：获取历史记录中各患者发病前后的脑电图信号序列，得到各患者的发病趋势特征码；获取各患者发病前的肌电极信号响应数据，得到肌电极信号响应数据的中值以；基于肌电极信号响应数据，确定各患者发病的典型程度；基于各患者对应的发病趋势特征码、典型程度以及肌电极信号响应数据的中值，对所有患者的发病过程状态进行分类，得到不同的类别簇，选取非孤立的类别簇作为后续的分类结果；基于分类结果，随机选取其中一患者，确定该患者的k个近邻患者集，基于k个近邻患者集中的各患者的肌电极信号响应数据，对每个患者的肌电极信号响应数据进行划分，得到每个患者的直方图，得到对应的相似类型特征码；计算各相似类型特征码的隶属程度，当隶属程度小于设定阈值，则患者出现异常，标签记为0；反之，标签记为1；其中，脑电图信号序列、肌电极信号响应数据以及标签构成安全隐患训练数据集；利用所述安全隐患检测数据集训练网络模型，得到训练好的网络模型；实时获取患者的脑电图信号序列、肌电极信号响应数据，将患者的脑电图信号序列、肌电极信号响应数据输入训练好的网络模型，得到患者的安全隐患分析结果。2.根据权利要求1所述的神经内科临床安全隐患检测方法，其特征在于，所述发病趋势特征码的获取过程为：基于各患者发病前后的脑电图信号序列，得到发病前后的差值序列，将差值序列记为发病趋势特征码。3.根据权利要求1所述的神经内科临床安全隐患检测方法，其特征在于，确定各患者发病的典型程度的具体过程为：根据当前患者的发作前的肌电极信号响应数据以及当前患者的发作前的历史记录中的肌电极信号响应数据，计算当前患者的当前数据与历史记录中的任一数据的欧式距离，将欧式距离按照由大到小进行排序，选取欧式距离最大值，作为当前患者自身的最相似的直方图；根据当前患者发作前的肌电极信号响应数据以及其他所有患者发作前的历史记录中的肌电极信号响应数据，计算当前患者与其他任一患者的欧式距离，将欧式距离按照由大到小进行排序，选取欧式距离最大值，作为当前患者与其他所有患者历史记录中最相似的直方图；根据当前患者的肌电极信号响应数据以及患者历史记录中的最相似的直方图以及与其他患者排除患者历史记录中最相似的直方图，计算得到典型程度：其中，t
feat
为肌电极信号响应数据，t
baseline1
为患者历史记录中的最相似的直方图，t
baseline2
为当前患者与其他所有患者历史记录中最相似的直方图，cos()为余弦相似度函数。4.根据权利要求1所述的神经内科临床安全隐患检测方法，其特征在于，所述分类的具
体过程为：基于所有患者对应的发病趋势特征码、典型程度以及肌电极信号响应数据的中值，计算任意两患者发病时状态的差异距离；基于差异距离，采用optics算法对各患者的各发病记录进行分类，得到不同的类别簇。5.根据权利要求1所述的神经内科临床安全隐患检测方法，其特征在于，所述相似类型特征码的获取过程为：基于k个近邻患者集中的各患者的肌电极信号响应数据，对每个患者的肌电极信号响应数据进行划分，得到每个患者的直方图；其中每个患者都有历史记录中，按照肌电极信号响应数据的大小；将肌电极信号响应数据的最大值作为直方图的上界；然后按照5等分的方式构建直方图，得到每个患者的相似类型特征码。6.根据权利要求1所述的神经内科临床安全隐患检测方法，其特征在于，所述网络模型还包括损失函数，其中损失函数的权重的确定过程为：根据获取的所有患者的隶属程度，获取前3个较大隶属程度的患者的历史记录，并根据前3个较大的隶属程度对应的各患者的历史记录，搜索与其distance(x,y)近邻的若干历史记录样本，对前3个较大的隶属程度的患者，获取差异距离，对差异距离进行极差标准化，分别得到各患者对应的权重。7.神经内科临床安全隐患检测系统，包括处理器和存储器，其特征在于，所述处理器用于执行所述存储器存储的实现如权利要求1-6中任一项所述的神经内科临床安全隐患检测方法的步骤。

技术总结
本发明涉及医疗技术领域，具体涉及神经内科临床安全隐患检测方法及系统，通过构建安全隐患训练数据集；利用所述安全隐患检测数据集训练网络模型，得到训练好的网络模型；实时获取患者的脑电图信号序列、肌电极信号响应数据，将患者的脑电图信号序列、肌电极信号响应数据输入训练好的网络模型，得到患者的安全隐患分析结果。即本发明的方案能够通过智能算法对患者的相关数据进行预处理，进而得到相应的处理结果，为后续医师对患者发病情况的判断，提供了数据支撑。提供了数据支撑。提供了数据支撑。


技术研发人员：朱敏敏 夏加增 苗增利 马涛 赵旭东 阮莎莎
受保护的技术使用者：无锡市第二人民医院
技术研发日：2022.09.21
技术公布日：2022/12/16