申请/专利权人：天津市胸科医院

申请日：2024-01-11

公开（公告）日：2024-03-12

公开（公告）号：CN117558391B

主分类号：G16H10/60

分类号：G16H10/60;G16H50/70;G16H50/30;G06F18/241;G06F18/2433;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明公开了基于主动脉夹层病历数据的术后病情深度学习方法及系统，涉及术后病情深度学习技术领域，包括如下步骤：建设主动脉夹层病历大数据库；对主动脉夹层病历信息的信息类型进行分类，得到总信息分类；对总信息分类下的信息类型进行分类，得到子信息分类；判断不同总信息分类的总分类指数并计算病患的术后病情指数；基于大数据的术后病情指数进行深度学习；本发明用于解决现有的主动脉夹层患者的术后病情深度学习技术还存在缺少结合主动脉夹层病历整体阶段的数据对术后病情的异常情况进行深度学习的方法，对于主动脉夹层术后病情的有效评估存在不足的问题。

主权项：1.基于主动脉夹层病历数据的术后病情深度学习方法，其特征在于，包括如下步骤：建设主动脉夹层病历大数据库，收录主动脉夹层病历信息；对主动脉夹层病历信息的信息类型进行分类，得到总信息分类；对总信息分类下的信息类型进行分类，得到子信息分类；对总信息分类以及子信息分类进行分析，判断不同总信息分类的总分类指数并计算病患的术后病情指数；基于大数据的术后病情指数进行深度学习，判断病患进行手术后各项人体参数的参数异常率；对主动脉夹层病历信息的信息类型进行分类，得到总信息分类包括如下子步骤：读取医院病历数据库，获取主动脉夹层病历收集表；基于主动脉夹层病历收集表对主动脉夹层病历信息的信息类型进行分类，得到总信息分类；所述总信息分类包括现病史数据、既往史数据、影像学检查数据、实验室检查数据、术中资料以及术后资料；对总信息分类下的信息类型进行分类，得到子信息分类包括如下子步骤：获取总信息分类下所有信息的信息类型；查找信息类型中的数据形式，对数据形式进行分类，得到子信息分类；所述子信息分类包括数字式、是否式以及等级式；将数据形式为数字的信息类型归纳为数字式，将数据形式为是或否的信息类型归纳为是否式，将数据形式为不同等级的信息类型归纳为等级式；对总信息分类以及子信息分类进行分析，判断不同总信息分类的总分类指数并计算病患的术后病情指数包括如下子步骤：获取病患的首发症状，针对不同的首发症状建立不同的深度学习分支，将深度学习分支标记为DLBn，n为大于等于1的正整数；连接特征正常范围数据库，读取特征正常范围；对DLBn进行分析，遍历读取DLBn中的总信息分类，针对每个总信息分类，获取其目录下的子信息分类的数量，标记为分类信息数；获取子信息分类目录下的病历的数据，标记为病历数据；获取病历数据，判断其子信息分类，若为数字式，则输出范围检测信号；若为是否式，则输出是否检测信号；若为等级式，则输出等级检测信号；根据不同的检测信号对病历数据进行不同的处理，处理完成后输出分析信号；根据不同的检测信号对病历数据进行不同的处理，处理完成后输出分析信号包括如下子步骤：若输出范围检测信号，则获取病历数据对应的特征正常范围，查找病历数据是否处于特征正常范围内，若为是，则输出正常范围信号；若为否，则输出异常范围信号；若输出是否检测信号，则获取病历数据的文本文字，若文本文字为“是”，则输出特征异常信号；若文本文字为“否”，则输出特征正常信号；若输出等级检测信号，则读取病历数据是否为零级，若病历数据的等级为零级，则输出等级正常信号；若病历数据的等级不为零级，则输出等级异常信号；对分析信号进行分析计算，判断每个总信息分类的总分类指标；所述分析信号包括正常范围信号、异常范围信号、特征异常信号、特征正常信号、等级正常信号以及等级异常信号；对分析信号进行分析计算，判断每个总信息分类的总分类指标包括如下子步骤：设置范围分类指标，初始为零，标记为SCI，接收异常范围信号，若接收到异常范围信号，则将SCI加一；设置特征分类指标，初始为零，标记为FCI，接收特征异常信号，若接收到特征异常信号，则将FCI加一；设置等级分类指标，初始为零，标记为GCI，接收等级异常信号，若接收到等级异常信号，则获取病历数据的病情等级，若病情等级为X级，则将GCI增加1+X-1×0.2，X为常数且为正整数；接收所有的分析信号，接收完成后得到SCI、FCI以及GCI；分别查找总信息分类中子信息类型为数字式、是否式以及等级式的数量，分别标记为范围分类标准、特征分类标准以及等级分类标准；通过总分类指标计算公式进行计算，得到总分类指标；所述总分类指标计算公式配置为：；其中，AC为总分类指标，SCC为范围分类标准，FCC为特征分类标准，GCC为等级分类标准；对所有总信息分类进行分析计算，再对总分类指标进行计算，得到病患的术后病情指标；对所有总信息分类进行分析计算，再对总分类指标进行计算，得到病患的术后病情指标包括如下子步骤：分析计算现病史数据、既往史数据、影像学检查数据、实验室检查数据以及术中资料的总分类指标，分别命名为总现病史指标、总既往史指标、总影像学指标、总实验室指标以及总术中指标，依次记为AC1至ACm，m为常数且为正整数；获取AC1至ACm中的最小值以及最大值，分别标记为异常指标以及正常指标；设置异常指数，若异常指标为总现病史指标，则将异常指数设置为第一预设指数；若异常指标为总既往史指标，则将异常指数设置为第二预设指数；若异常指标为总影像学指标，则将异常指数设置为第三预设指数；若异常指标为总实验室指标，则将异常指数设置为第四预设指数；若异常指标为总术中指数，则将异常指数设置为第五预设指数；设置正常指数，若正常指标为总现病史指标，则将正常指数设置为第一预设指数；若正常指标为总既往史指标，则将正常指数设置为第二预设指数；若正常指标为总影像学指标，则将正常指数设置为第三预设指数；若正常指标为总实验室指标，则将正常指数设置为第四预设指数；若正常指标为总术中指标，则将正常指数设置为第五预设指数；通过术后病情指标计算公式进行计算，得到病患的术后病情指标；所述术后病情指标计算公式配置为：；其中，Pte为术后病情指标，T为异常指数，Q为正常指数；基于大数据的术后病情指数进行深度学习，判断病患进行手术后各项人体参数的参数异常率包括如下子步骤：基于主动脉夹层病历大数据库，计算所有主动脉夹层病历的术后病情指标，对术后病情指标进行编号，标记为Ps，s为常数且为正整数；以Ps为X轴，术后病情指标为Y轴建立术后病情指标坐标系，将术后病情指标全部录入术后病情指标坐标系；将术后病情指标的数量标记为指标数；设置指标范围，以术后病情指标为零为起点，增大指标范围，同时获取指标范围内的术后病情指标对应的主动脉夹层病历内的术后资料中人体参数的异常项，标记为异常参数；对指标范围内所有的术后病情指标进行统计，统计不同的异常参数的数量并与指标数相除，得到参数异常率，增大指标范围，当指标范围内的指标数大于等于第一数量阈值时输出范围确定信号；计算参数异常率，若指标数大于等于第二数量阈值且任意参数异常率等于第一异常概率，则继续增大指标范围，同时监测对应的参数异常率是否减小，若参数异常率减小，则输出范围确定信号，若参数异常率增大，则继续增大指标范围；若输出范围确定信号，则停止增大指标范围，同时以当前指标范围的最大值为起点，继续分析下一指标范围，直到指标范围囊括所有的术后病情指标；输出不同的指标范围对应的不同的人体参数的参数异常率。

全文数据：

权利要求：

百度查询： 天津市胸科医院 基于主动脉夹层病历数据的术后病情深度学习方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD