[發(fā)明專利]一種基于特征重排一維卷積神經(jīng)網(wǎng)絡(luò)的病人心衰死亡風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010079912.8
• 申請(qǐng)日: 2020-02-04
• 公開（公告）號(hào): CN111387938B
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 李冬冬;王喆;朱逸文;楊海;杜文莉;張靜
• 申請(qǐng)（專利權(quán)）人: 華東理工大學(xué)
• 主分類號(hào): A61B5/00
• 分類號(hào): A61B5/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開了一種基于特征重排一維卷積神經(jīng)網(wǎng)絡(luò)的病人心衰死亡風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)，該方法包括以下步驟：從醫(yī)院電子病歷系統(tǒng)獲取心衰病人原始數(shù)據(jù)集；對(duì)獲取的數(shù)據(jù)集進(jìn)行特征工程預(yù)處理，其中包括對(duì)取得的原始數(shù)據(jù)集進(jìn)行獨(dú)熱編碼映射，得到疾病相關(guān)信息特征集，與原始數(shù)據(jù)集中的病人心衰死亡標(biāo)簽構(gòu)成相應(yīng)的病人心衰死亡數(shù)據(jù)集；在該數(shù)據(jù)集上基于卡方相關(guān)性分析進(jìn)行特征重排，將特征按與病人心衰死亡相關(guān)性的大小，從高到低降序排列，并篩選出重排特征子集；利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行病人心衰死預(yù)測(cè)的訓(xùn)練本發(fā)明有益于輔助心衰疾病診療，改善病人的臨床看護(hù)情況。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能輔助醫(yī)療決策領(lǐng)域，特別是涉及一種基于特征重排一維卷積神經(jīng)網(wǎng)絡(luò)的病人心衰死亡風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)。

背景技術(shù)

心力衰竭是一種嚴(yán)重的心臟類疾病，具有高發(fā)病率和高死亡率的特點(diǎn)，近年來(lái)心力衰竭癥狀成為老年人入院看護(hù)的主要原因之一。有數(shù)據(jù)表明，心力衰竭這一疾病的兩性患病率約為2.5％左右，其中有39.4％的人為超過(guò)60歲的老年人。根據(jù)美國(guó)心血管疾病報(bào)告的結(jié)果顯示，從2012年到2030年，預(yù)計(jì)老年人心力衰竭的患病率將增加46％，而這會(huì)導(dǎo)致約800萬(wàn)心衰病人的增長(zhǎng)。在中國(guó)，心力衰竭也是心血管疾病中導(dǎo)致住院的常見誘因之一，自20世紀(jì)70年代以來(lái)，心力衰竭及其住院治療的病患數(shù)量迅速增加，心力衰竭流行率的增長(zhǎng)也必然將導(dǎo)致其死亡率的上升。但是，心力衰竭這一疾病的防患效果遠(yuǎn)大于治療效果。對(duì)于心力衰竭死亡風(fēng)險(xiǎn)的早期發(fā)現(xiàn)，可以輔助醫(yī)生進(jìn)行相應(yīng)的醫(yī)療決策，提高這類病患的看護(hù)周期，從而進(jìn)一步降低罹患心力衰竭病人的死亡率。也就是說(shuō)，對(duì)于心力衰竭死亡風(fēng)險(xiǎn)的早期發(fā)現(xiàn)，一方面可以輔助醫(yī)院進(jìn)行醫(yī)療資源的傾斜，另一方面有助于延長(zhǎng)心理衰竭病人的生命。

近年來(lái)，隨著機(jī)器學(xué)習(xí)的快速發(fā)展，人工智能的應(yīng)用已經(jīng)擴(kuò)展到各個(gè)領(lǐng)域，如供應(yīng)鏈需求分析，神經(jīng)影像學(xué)，蛋白質(zhì)組學(xué)，電子測(cè)試，飲食結(jié)構(gòu)研究，人類服務(wù)以及基因組學(xué)。過(guò)去的研究表明，機(jī)器學(xué)習(xí)在不同領(lǐng)域的遷移應(yīng)用，都起到了積極的作用。而隨著機(jī)器學(xué)習(xí)的更進(jìn)一步發(fā)展，深度學(xué)習(xí)技術(shù)應(yīng)運(yùn)而生。深度學(xué)習(xí)技術(shù)有著對(duì)大規(guī)模數(shù)據(jù)處理能力強(qiáng)，對(duì)圖像識(shí)別敏感，對(duì)多源數(shù)據(jù)遷移學(xué)習(xí)能力高效的特定，由于深度學(xué)習(xí)技術(shù)的這些特點(diǎn)，越來(lái)越多的醫(yī)學(xué)領(lǐng)域的研究人員都嘗試引入深度學(xué)習(xí)方法來(lái)協(xié)助進(jìn)行醫(yī)學(xué)研究。例如，研究人員已將貝葉斯網(wǎng)絡(luò)引入衛(wèi)生保健領(lǐng)域，引入深度學(xué)習(xí)方法來(lái)分析醫(yī)學(xué)圖像，用決策樹來(lái)對(duì)疾病進(jìn)行分類等等。而這其中，卷積神經(jīng)網(wǎng)絡(luò)已被證明在醫(yī)學(xué)圖像分析和生物醫(yī)學(xué)自然語(yǔ)言處理中出類拔萃的效果。對(duì)于一些簡(jiǎn)單的醫(yī)學(xué)圖像識(shí)別任務(wù)，深度學(xué)習(xí)的結(jié)果甚至已經(jīng)超越了人類自身的辨識(shí)能力，而所有這些研究都表明了將機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)方法應(yīng)用于醫(yī)學(xué)領(lǐng)域的必要性和可能性。

對(duì)于心力衰竭這一疾病，已經(jīng)有大量的研究者將多種傳統(tǒng)機(jī)器學(xué)習(xí)建模的技術(shù)應(yīng)用于心力衰竭的早期發(fā)現(xiàn)，這些機(jī)器學(xué)習(xí)建模技術(shù)包括了邏輯回歸，多層感知機(jī)，支持向量機(jī)等等。然而前人的研究依然存在著一定的不足之處：前人的研究往往忽略了影響心力衰竭這一疾病的特征之間存在一定的相關(guān)性，因而沒有給機(jī)器學(xué)習(xí)建模技術(shù)以足夠的結(jié)構(gòu)信息；心力衰竭疾病數(shù)據(jù)中往往存在著不平衡性，這是由于疾病重癥病人的病例是少數(shù)的，而這正是影響心衰死亡風(fēng)險(xiǎn)預(yù)測(cè)的最大阻礙。針對(duì)這兩個(gè)問(wèn)題，我們提出了一種基于特征重排一維卷積神經(jīng)網(wǎng)絡(luò)的病人心衰死亡風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)，在其中引入了特征重排來(lái)挖掘數(shù)據(jù)中的結(jié)構(gòu)信息，并且引入了深度學(xué)習(xí)技術(shù)中的一維神經(jīng)網(wǎng)絡(luò)來(lái)處理較大大規(guī)模的數(shù)據(jù)，與此同時(shí)，通過(guò)將搭建的神經(jīng)網(wǎng)絡(luò)損失調(diào)整為聚焦損失(Focal?loss)來(lái)緩解心力衰竭疾病中的數(shù)據(jù)不平衡問(wèn)題，提高少數(shù)類的檢出率。這一基于特征重排一維卷積神經(jīng)網(wǎng)絡(luò)的病人心衰死亡風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)最終得以輔助醫(yī)院的醫(yī)療決策，幫助發(fā)現(xiàn)有因心力衰竭死亡風(fēng)險(xiǎn)的病人，改善他們的醫(yī)護(hù)周期，從而延長(zhǎng)這類病人的生命。

發(fā)明內(nèi)容