[發明專利]一種基于尿比重和尿量監測的腎衰竭預警方法及系統

在審

• 申請號: 201710117060.5
• 申請日: 2017-03-01
• 公開（公告）號: CN106845140A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 喻其炳;姚行艷;馮鑫;李勇;李川
• 申請（專利權）人: 重慶工商大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 羅滿

技術領域

本發明屬于醫療技術領域，特別是涉及一種基于尿比重和尿量監測的腎衰竭預警方法及系統。

背景技術

腎臟功能部分或全部喪失的病理狀態，叫做腎衰竭，按其發作之急緩分為急性和慢性兩種。急性腎衰竭系因多種疾病致使兩腎在短時間內喪失排泄功能，慢性腎衰竭是由各種病因所致的慢性腎病發展至晚期而出現的一組臨床癥狀組成的綜合征。

當前對腎臟功能的檢測主要通過尿常規、血常規、腎臟B超、CT、核磁等多種手段來評估腎臟功能。例如當血肌酐出現濃度升高時(例如超過130mg/L，根據地域和醫院不同數值會有所差異)顯示腎臟損害，但此時，腎臟已經出現損害，無論從診斷還是治療角度都是延遲和滯后的，而實際上，腎臟在出現損害的早期(未有癥狀)，尿液的理化性質已出現變化，若在此時及時發現腎臟的隱患，就能有利于疾病的早期診斷和處理，降低治療難度和減輕醫療負擔。尿液理化性質是反應腎臟功能變化和監測腎臟功能的重要指標，早期腎臟受損時主要表現為隱形變化，這種隱形變化在尿液理化性質上會出現細微變化，并呈現動態改變，因此通過腎臟分泌尿液的容量及尿液的質量進行分析，能對患者的體液內環境的進行即時監測，分析單位時間尿量(步進式)和尿比重的變化，結合病例建模，預測病人腎功能的變化趨勢，及時發現潛在的腎臟損害，及時處理，避免治療延遲，導致不可逆性損傷。然而，現有技術中并沒有這樣一種預警方法和系統。

發明內容

為解決上述問題，本發明提供了一種基于尿比重和尿量監測的腎衰竭預警方法及系統，能夠對所測尿比重和尿量檢測值進行分析，預測出腎臟出現損傷的概率，在腎臟無癥狀損傷早期及時發現腎臟病變，為臨床及早治療提供有效幫助。

本發明提供的一種基于尿比重和尿量監測的腎衰竭預警方法，包括：

采集不同類別患者的尿比重和步進式尿量監測指標，建立數據庫；

進行概率神經網絡的訓練；

利用訓練完畢的所述概率神經網絡對就診者的尿比重和步進式尿量監測數值進行計算，并得到預警結果。

優選的，在上述基于尿比重和尿量監測的腎衰竭預警方法中，

所述進行概率神經網絡的訓練包括：

根據醫院診斷結果，對采集到的患者尿比重和步進式尿量定義病情分類；

將尿比重和步進式尿量指標作為輸入，病情分類作為輸出，放入概率神經網絡中進行監督學習。

優選的，在上述基于尿比重和尿量監測的腎衰竭預警方法中，

所述將尿比重和步進式尿量指標作為輸入，病情分類作為輸出，放入概率神經網絡中進行監督學習包括：

將各項指標歸一化；

將患者的尿比重和步進式尿量輸入到概率神經網絡的輸入層；

設置spread值，將輸入層信息傳遞到模式層，進行模式識別；

在求和層將模式層中屬于同一類的隱含神經元的輸出做加權平均得到每一類的概率密度；

根據各類對輸入信息的概率估計，采用Bayes分類規則，選出具有最大后驗概率的類別，并在決策層輸出；

將輸出結果與訓練樣本類別值對比，通過調整spread值進行誤差校正，直到完成概率神經網絡的訓練。

本發明提供的一種基于尿比重和尿量監測的腎衰竭預警系統，包括：

采集模塊，用于采集不同類別患者的尿比重和步進式尿量監測指標，建立數據庫；

訓練模塊，用于進行概率神經網絡的訓練；

計算模塊，用于利用訓練完畢的所述概率神經網絡對就診者的尿比重和步進式尿量監測數值進行計算，并得到預警結果。

優選的，在上述基于尿比重和尿量監測的腎衰竭預警系統中，

所述訓練模塊包括：

分類單元，用于根據醫院診斷結果，對采集到的患者尿比重和步進式尿量定義病情分類；

監督學習單元，用于將尿比重和步進式尿量指標作為輸入，病情分類作為輸出，放入概率神經網絡中進行監督學習。

優選的，在上述基于尿比重和尿量監測的腎衰竭預警系統中，

所述監督學習單元包括：

歸一化部件，用于將各項指標歸一化；

輸入部件，用于將患者的尿比重和步進式尿量輸入到概率神經網絡的輸入層；

模式識別部件，用于設置spread值，將輸入層信息傳遞到模式層，進行模式識別；

加權平均部件，用于在求和層將模式層中屬于同一類的隱含神經元的輸出做加權平均得到每一類的概率密度；