一种测定用于分类的危险评分的系统和方法
【技术领域】
[0001] 本发明公开主要涉及一种测定用于分类的危险评分的系统和方法。更具体地，本 发明公开实施例涉及基于测量与读数的测定心脏危险评分的系统和技术，用于例如医院急 诊部门、救护车、诊所、病房、重症治疗监护室（ICU)或家庭。
【背景技术】
[0002] 医院急诊部门中，表现出胸痛症状的病人在治疗的急性期有不同程度的并发症危 险，所述治疗的急性期通常被定义为在疼痛第一次发生的最初72小时内。同样地，在救护 车、诊所、病房、重症治疗监护室甚至家庭中通常也会进行心脏危险筛查与监测。在急诊部 门，会对病人进行分类以评估新入病人的病情严重程度并分配合适的治疗优先级。早期 的危险分层可改进治疗策略，同时也有助于制定适合病人的监测规划。危险分层在急诊部 门中是必要的，因为医疗资源，例如医生、护士、监护系统、监护床、复苏设备、重症治疗监 护室，对于所有需要及时照料的新入病人来说是远远不够的。例如，在美国，每年大约有 六百万胸痛病人去急诊部门就诊，使得急诊就诊中诊断胸痛成为主要诊断原则之一。同样 地，早期识别高危病人可有助于管理救护车、诊所、病房、重症治疗监护室甚至家庭监测。胸 痛的严重程度范围从自限到危及生命的情况，例如心脏骤停和致死性心率失常。有必要识 别高危病人，以可以及时介入可预防和可治疗的并发症。
[0003] 在过去的几十年里，开发了一些评分系统，现在已经广泛应用于重症治疗监护室 (ICU)，用于预测临床结果和评估疾病的严重程度。一些已开发的系统有：急性心理学与慢 性健康状况评估（APACHE)、简化的急性心理评分（SAPS)和死亡率概率模型（MPM)。每种评 分系统均有特定的使用目的与自身应用范围。例如，死亡危险、器官功能障碍评估和疾病严 重度有可能是其中一些评分系统产生的结果。
[0004] 评分系统的发展依赖于选择与预测结果相关的合适变量或参数。目前，疑似急性 冠状动脉综合征（ACS)病人的分类工具和危险分层系统基于传统的临床因素的结合，临床 因素可为病人的病史、心脏标志物和急诊部门筛选后得到的新入病人的测量值，例如观察 和获取传统的生命体征，如心率、呼吸频率、血压、体温和脉搏血氧饱和度。然而，这些参数 与短期或长期临床结果并不高度相关。
[0005] 虽然心肌梗死溶栓01MI)危险评分是目前临床上最被接受的ACS病人危险分类， 但是其预测的准确性是值得商榷的，或是存在一些争议的。目前针对心血管并发症预测的 危险评分同样存在限制，并且临床诊断是主观的，也因医疗资源有限而受到阻碍。
【发明内容】
[0006] 本发明提供了一种测定危险评分的系统（例如用于分类的危险评分），包括：第 一输入设备，用于测量与病人生理学数据相关的第一输入参数，所述第一输入参数包括生 命体征参数；十二导联心电图设备，用于在病人身上执行心电图操作，以及根据所述心电图 操作产生的结果创建心电图（ECG)，所述心电图设备包括心电图提取模块，用于从所述心电 图中提取至少一项心电图参数；心率变异性分析模块，用于从所述心电图中测定心率变异 性（HRV)分析，所述心率变异性分析包括至少一项心率变异性参数；以及集成评分系统，包 括：多个用于提供危险评分计算的加权分类器，所述多个加权分类器基于积累以往病人的 数据的数据库中以往病人的数据而建立；以及分析模块，用于接收第一输入参数、所述至少 一项心率变异性参数和所述至少一项心电图参数，所述多项参数被传送至集成评分系统， 其中所述分析模块通过将所述第一输入参数、所述至少一项心率变异性参数以及所述至少 一项心电图参数与相应的加权分类器进行对比，以测定危险评分。
【附图说明】
[0007] 以下结合附图对本发明实施例进行进一步说明。需要注意的是，附图仅用于解释 本发明公开的实施例，不用于限制本发明的范围，本公开可能承认其他同样有效的实施例。
[0008] 图1为病人连接十二导联心电图示意图。
[0009]图2为本发明一实施方式的分类系统的系统架构图。
[0010] 图3A为本发明一实施方式的分类系统提供的心电图输出样本。
[0011] 图3B所示为图3A心电图心动周期的特写。
[0012] 图3C所示为图3B的心动周期的QRS波群的特写。
[0013]图4A为基于集成学习的系统的主体结构。
[0014]图4B所示为应用欠采样方法计算危险评分的第一评分系统。
[0015]图4C所示为本发明第二实施方式的应用混合采样法的第二评分系统。
[0016] 图5A为基于欠采样方法的评分系统（USS)算法的框图。
[0017] 图5B为基于混合采样方法的评分系统（HSS)算法的框图。
[0018]图6为本发明一实施方式的分类系统的集成评分系统的模块化布局不意图。
[0019]图7为本发明第二实施方式的分类系统的集成评分系统的模块化布局示意图。
[0020] 图8A为USS与HMI和MEWS的性能图。
[0021] 图8B为HSS与HMI和MEWS的性能图。
[0022] 图9A为采用和不采用十二导联ECG参数的USS性能图。
[0023] 图9B为采用和不采用十二导联ECG参数的HSS性能图。
【具体实施方式】
[0024] 在下文中，参考了本公开的实施方案。然而，应该理解的是，本公开不限于具体描 述的实施例，相反，以下无论是否涉及不同实施例的特征和元素的任意组合可被考虑用来 执行和实施本发明。
[0025] 此外，与现有技术相比，本发明的各实施例提供了大量优点。然而，虽然本公开的 实施例可能优于其它可能的解决方案和/或现有技术，但给定的实施例是否能实现特定的 优点并不对本发明构成限制。因此，下述的各方面、特征、实施例和优点仅用于解释而不是 限制本申请所附权利要求，除非在权利要求中有明确记载。同样，任何提及"本发明"不应 当被解释为本文公开的任何发明主题的一般化，也不用于限制本申请所附权利要求，除非 在权利要求中有明确记载。
[0026] 本发明第一方面提供了测定用于分类或其他环境/条件下的危险评分的系统，所 述系统包括：第一输入设备，用于测量与病人生理学数据相关的第一输入参数，所述第一输 入参数包括生命体征参数；十二导联心电图设备，用于在病人身上执行心电图操作，以及根 据所述心电图操作产生的结果创建心电图（ECG)，所述心电图设备包括心电图提取模块，用 于从所述心电图中提取至少一项心电图参数；心率变异性分析模块，用于从所述心电图中 测定心率变异性（HRV)分析，所述心率变异性分析包括至少一项心率变异性参数；以及集 成评分系统，包括：多个用于提供危险评分计算的加权分类器，所述多个加权分类器基于积 累以往病人的数据的数据库中以往病人的数据而建立；以及分析模块，用于接收第一输入 参数、所述至少一项心率变异性参数和所述至少一项心电图参数，所述多项参数被传送至 集成评分系统，其中所述分析模块通过将所述第一输入参数、所述至少一项心率变异性参 数以及所述至少一项心电图参数与相应的加权分类器进行对比，以测定危险评分。
[0027]该系统可提供即时观察，根据心脏情况的严重程度对新入病人进行分类，适用于 医院急诊部门、救护车、病房、重症治疗监护室或家庭中。本系统可利用生命体征参数、ECG 参数和HRV参数的结合，本发明的发明人在经过大量的研究后提出利用这种结合，以可更 加清楚地洞察急性冠脉综合症的危险。还提出了使用优于该操作提供的高度的细节和深度 的十二导联心电图。
[0028]此外，本系统提供一种集成评分系统，它本质上是一种智能人工神经网络，能够根 据以往的数据进行学习和训练，从而建立分类器，基于影响心脏病的较高发生率和严重程 度参数的派生理解对分类器进行加权，并将分类器与当前输入参数进行比较以确定用于分 类的危险评分。
[0029] 本发明一实施方式中，至少一项ECG参数为以下任意一种：ST段抬高、T波倒置、 Q波、QT间期校正（QTc)、QRS轴、左束支传导阻滞（BBB)、右束支传导阻滞、室内传导延迟 (IV⑶）、左心房异常（LAA)、左心室肥厚（VH)、右心室肥厚和房颤。
[0030]本发明一实施方式中，HRV分析模块进一步包括了时域分析模块，用于测定根据提 取EGC得到的多个RR间期获得的至少一项HRV参数。
[0031]本发明一实施方式中，至少一项HRV参数为以下任意一种：所有RR间期的平均长 度、所有RR间期的标准偏差、平均心率、所有瞬时心率值的标准偏差、NN50计数，pNN50百分 比，连续RR间期的差值的均方的平方根、HRV三角指数和适合RR间期直方图的三角基线宽 度。
[0032]本发明一实施方式中，HRV分析模块进一步包括了频率分析模块，用于测定根据提 取EGC得到的多个RR间期获得的至少一项HRV参数。
[0033]本发明一实施方式中，至少一项HRV参数为以下任意一种：总功率、极低频功率、 低频功率（LF)、高频功率（HF)、标准化低频功率、标准化高频功率和低频功率与高频功率 的比值（LF/HF)。
[0034]本发明一实施方式中，第一输入设备为以下任意一种：心率监测器、呼吸频率监测 器、血压监测器、血氧计和测痛计。
[0035]本发明一实施方式中，提供了第二输入设备，用于确立与病人疾病状况相关的第 二输入参数，该第二输入参数由分析模块接收，其中该分析模块通过进一步将该第二输入 参数与相应的加权分类器比较以测定危险评分。
[0036]本发明一实施方式中，集成评分系统进一步包括数据存取模块，用于获取以往病 人的数据，并用于与积累以往病人数据的数据库进行数据通信。
[0037] 本发明一实施方式中，集成评分系统进一步包括分类模块，用于接收来自积累以 往病人数据的数据库中的数据，并将该些数据分为多个数据集，每个数据集对应一个分类 器并包括一组不平衡数据集。
[0038] 本发明一实施方式中，集成评分系统进一步包括采样模块，用于接收分类模块传 送的对应第一分类器的第一不平衡数据集，第一不平衡数据集包括第一多数数据集及第一 少数数据集，该第一多数数据集包括第一数量的数据样本，该第一少数数据集包括第二数 量的数据样本。采样模块还用于提取第一多数数据集以得到第一多数数据子集，第一多数 数据子集包括第一多数数据集中第三数量的样本。其中，第一多数数据子集中第三数量的 样本的数量等于第一少数数据集中第二数量的样本的数量。
[0039] 本发明一实施方式中，集成评分系统进一步包括分类器生成模块，用于根据数据 存取模块提供的以往病人的数据创建多个加权分类器。
[0040] 本发明一实施方式中，分类器生成模块进一步包括训练模块，用于接收采样模块 传送的第一多数数据子集与第一少数数据集，以及建立第一分类模型，以用第一多数数据 子集和第一少数数据集表不第一分类器。
[0041] 本发明一实施方式中，训练模块接收采样模块传送的多个多数数据子集与多个少 数数据集，以及建立分类模型，以用接收到的多个多数数据子集和少数数据集表示多个分 类器。
[0042] 本发明一实施方式中，分类器生成模块进一步包括加权模块，用于向多个分类器 中的每个分类器分配相同的权重，以获得多个加权分类器。
[0043] 本发明一实施方式中，训练模块包括用于建立分类模型的支持向量机。
[0044] 本发明一实施方式中，集成系统进一步包括过采样模块，用于接收采样模块传送 的第一多数数据子集与第一少数数据集，以及通过对第一多数数据子集与第一少数数据集 执行重置过采样合成处理来创建第一合成数据集。
[0045] 本发明一实施方式中，过采样模块通过在第一少数数据集中提取一个数据点来进 行过采样，并沿着连接该数据点和预定数量的相邻数据点的线段进行数据合成。
[0046] 本发明一实施方式中，集成系统进一步包括验证模块，用于训练模块根据第一多 数数据子集以及与第一分类器相对应的第一少数数据集建立第一分类模型，根据第一合成 数据集对第一分类模型进行验证；获得指示第一分类器的重要性的第一分类模型产生的预 测精度。
[0047] 本发明一实施方式中，过采样模块接收采样模块传送的多个多数数据子集与多个 少数数据集，以及创建多个合成数据集。训练模块建立多个分类模型，以用接收到的多个多 数数据子集和少数数据集表示多个分类器。验证模块根据多个合成数据集对多个分类模型 进行验证，获得多个分类模型产生的多个预测精度，每个分类模型产生的预测精度用于表 示多个分类器中相应分类器的重要性。
[0048] 本发明一实施方式中，分类器生成模块进一步包括加权模块，用于根据每个分类 器的重要性向多个分类器中每个分类器分配权重，以获得多个加权分类器。
[0049] 本发明一实施方式中，分析模块进一步包括测试模块，用于接收第一输入参数、至 少一项HRV参数以及至少一项ECG参数中的任意一项，用相应的加权分类器评估接收到的 参数，以及为每个用于评估的加权分类器生成0或1的二进制预测输出。
[0050] 本发明一实施方式中，分析模块进一步包括评分模块，用于基于所有用于评估的 加权分类器的二进制预测输出的标准化总和计算危险评分。
[0051] 本发明第二方面提供了一种测定用于分类的危险评分的方法，包括：测量与病人 生理学数据相关的第一输入参数，该第一输入参数包括生命体征参数；在病人身上执行 十二导联心电图操作；基于心电图操作结果建立ECG(提供ECG信息、信号或数据），该ECG 包括可提取ECG得到的至少一项ECG参数；从心电图中提取至少一项心电图参数；基于ECG 确定心率变异性分析，该心率变异性分析包括至少一项心率变异性参数；向集成评分系统 提供第一输入参数、第二输入参数、至少一项HRV参数以及至少一项ECG参数；该集成评分 系统包括多个用于提供危险评分计算的加权分类器，所述多个加权分类器基于积累以往病 人数据的数据库中的以往病人数据而创建；通过用该集成评分系统，将所述第一输入参数、 所述至少一项心率变异性参数以及所述至少一项心电图参数与相应的加权分类器进行对 比，以测定危险评分。
[0052] 本发明一实施方式中，至少一项ECG参数为以下任意一种：ST段抬高、T波倒置、 Q波、QT间期校正（QTc)、QRS轴、左束支传导阻滞（BBB)、右束支传导阻滞、室内传导延迟 (IV⑶）、左心房异常（LAA)、左心室肥厚（VH)、右心室肥厚和房颤。
[0053] 本发明一实施方式中，该方法包括提取ECG得到多个RR间期，以及进行时域分析 或频域分析以获取至少一项HRV参数。
[0054] 本发明一实施方式中，至少一项HRV参数为以下任意一种：所有RR间期的平均长 度、所有RR间期的标准偏差、平均心率、所有瞬时心率值的标准偏差、NN50计数，pNN50百分 比，连续RR间期的差值的均方的平方根、HRV三角指数和适合RR间期直方图的三角基线宽 度、总功率、极低频功率、低频功率（LF)、高频功率（HF)、标准化低频功率、标准化高频功率 和低频功率与高频功率的比值（LF/HF)。
[0055] 本发明一实施方式中，第一输入参数为以下任意一种：心率、呼吸速率、血压读数、 温度读数、格拉斯哥昏迷评分（GCS)、氧气饱和读数以及疼痛分数。
[0056] 本发明一实施方式中，该方法包括以下步骤：建立与