[發明專利]一種食道壓力云圖的標識識別方法及設備

有效

• 申請號: 202010160069.6
• 申請日: 2020-03-06
• 公開（公告）號: CN111358431B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 廖訓;覃浪;胡人友;白家蓮;白良德
• 申請（專利權）人: 重慶金山醫療技術研究院有限公司
• 主分類號: A61B5/00
• 分類號: A61B5/00;G06F18/241;G06F18/214;G06N3/08
• 代理公司: 重慶雙馬智翔專利代理事務所(普通合伙) 50241
• 代理人: 顧曉玲

1.一種食道壓力云圖的標識識別方法，其特征在于，包括：

獲取標識識別神經網絡模型：

步驟S1，獲取多個食道壓力云圖；

步驟S2，對于每個食道壓力云圖進行如下操作：

對食道壓力云圖上的標識進行標記，獲取被標記的標識的位置坐標，利用所有標識的位置坐標構建位置向量，所述位置向量與所述食道壓力云圖相互關聯；

所述標識包括UES松弛位置、IRP計算框、DCI計算框和CDP位置；

所述位置向量記為Y＝[x0,y0,y1,x2,y2,x3,y3,x4,y4,x5,y5]，其中，(x0，y0)為UES松弛位置坐標；y1為IRP計算框左上角縱坐標；(x2,y2)為IRP計算框右下角位置坐標；(x3，y3)和(x4,y4)分別為DCI計算框左上角位置坐標和右下角位置坐標；(x5,y5)為CDP位置坐標；

所述神經網絡模型的損失函數為：

或者所述神經網絡模型的損失函數為：

或者所述神經網絡模型的損失函數為：

其中，表示神經網絡模型輸出的回歸位置向量；λ₁表示第一超參數；λ₂表示第二超參數；k表示固定系數，0k1，N表示訓練集、驗證集和測試集中食道壓力云圖總量，y5_i、y4_i和y3_i分別表示第i幅食道壓力云圖中CDP位置縱坐標、DCI計算框右下角位置縱坐標和DCI計算框左上角位置縱坐標；y0'表示UES松弛位置縱坐標回歸值；y1'表示IRP計算框左上角縱坐標回歸值；y2'表示IRP計算框右下角縱坐標回歸值；y3'表示DCI計算框左上角縱坐標回歸值；y4'表示DCI右下角縱坐標回歸值；y5'表示CDP位置縱坐標回歸值；

將關聯了位置向量的所有食道壓力云圖劃分為訓練集、驗證集和測試集；

步驟S3，構建以食道壓力云圖為輸入，以位置向量為輸出的神經網絡模型；將訓練集分批次導入所述神經網絡模型，若損失函數值的降低率小于等于降低率閾值，和/或若將驗證集和測試集輸入所述神經網絡模型獲得的回歸位置向量與驗證集和測試集關聯的位置向量的差值小于等于第一閾值，停止訓練，保存當前的模型參數，將所述模型參數代入神經網絡模型后獲得標識識別神經網絡模型；否者優化損失函數，繼續將訓練集分批次導入所述神經網絡模型進行訓練；

將食道壓力云圖輸入標識識別神經網絡模型；

所述標識識別神經網絡模型輸出至少一個標識的位置坐標；

在所述食道壓力云圖上根據所述標識的位置坐標對所述標識進行標記；

所述標識包括UES松弛位置、IRP計算框、DCI計算框和CDP位置四者中的全部或部分。

2.如權利要求1所述的食道壓力云圖的標識識別方法，其特征在于，在所述步驟S1中，所述食道壓力云圖包含一個蠕動吞咽過程。

3.如權利要求2所述的食道壓力云圖的標識識別方法，其特征在于，所述食道壓力云圖的時間長度大于T，所述T大于等于20秒。

4.如權利要求1所述的食道壓力云圖的標識識別方法，其特征在于，所述神經網絡模型的最后一層不采用激活函數激活。

5.如權利要求1所述的食道壓力云圖的標識識別方法，其特征在于，在所述步驟S3中，采用Adam或SGD優化器優化損失函數。

6.一種食道壓力云圖的標識識別設備，其特征在于，包括數據獲取單元、處理單元以及顯示單元；

所述處理單元從所述數據獲取單元獲取食道測壓數據并繪制出食道壓力云圖，根據權利要求1-5之一所述的標識識別方法識別出所述食道壓力云圖中的標識并標記，在顯示單元上顯示標記標識后的食道壓力云圖。