一种基于机器学习和多生理参数的脑卒中分析系统

1.本发明涉及神经疾病领域，特别涉及一种基于机器学习和多生理参数的脑卒中分析系统。


背景技术：

2.脑卒中是常见的脑血管疾病，是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病，包括缺血性和出血性卒中，是造成我国成年人残疾或死亡的重要原因之一。越来越多的临床研究表明，脑卒中发生后出现病情恶化是导致其高致残率和高死亡率的重要环节。一项基于全球多中心脑出血研究(interact-2)的分析表明：17.3％(450/2598)的患者在病程中出现病情加重；而这些患者90天后的死亡风险增加4-10倍，严重残疾以及与健康相关的不良生活质量风险增加3-5倍。如何及时、准确和有效地对脑卒中病情加重这一重点人群进行评估和识别，采取相应干预措施是改善其不良预后，降低总体死亡率和严重残疾的关键和难点。
3.现阶段对脑卒中病情的分析基于单维度数据信息、传统数理统计模型和单一时间点数据等，其在不同程度限制了对脑卒中患者病情进展的精准评估。随着越来越多维度的生理数据应用于脑卒中病情监测，以及机器学习日益成为解决复杂问题有力的工具发展趋势下，建立基于机器学习和多生理参数的脑卒中分析系统为解决上述关键环节和难点问题提供了可能。通过本系统最大程度避免病状潜伏难以判别造成最佳干预时间的耽搁，提高病情判断准确性，有利于提高脑卒中的救治水平。


技术实现要素：

4.本发明的目的在于提供一种基于机器学习和多生理参数的脑卒中分析系统，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种基于机器学习和多生理参数的脑卒中分析系统，所述分析系统包括：
6.数据获取单元，所述数据获取单元获取来自患者的多项生理参数的数据；
7.存储单元，所述存储单元对数据获取单元所得到的数据进行存储；
8.数据分类单元，所述数据分类单元由数据获取单元和存储单元处获取患者生理参数的数据，并对获取的参数进行分类；
9.数据筛选单元，所述数据筛选单元由数据分类单元和存储单元处获取分类好的数据，并对获取的数据进行筛选；
10.数据判别单元，所述数据判别单元由数据筛选单元处获得筛选好的数据，并通过云数据进行病理判别，并将判别的数据发送至存储单元进行存储记录；
11.输出单元，所述输出单元由存储单元和数据判别单元处获取判别数据进行输出。
12.优选的，所述数据获取单元包括体温模块、呼吸频率模块、血压模块、脑电模块、心率模块和血液指标模块。
13.优选的，所述体温模块是收集和记录患者在诊疗期间监测时间段内的体温变化数据；
14.所述呼吸频率模块是收集和记录患者在诊疗期间监测时间段内的呼吸频率变化数据；
15.所述血压模块是收集和记录患者在诊疗期间监测时间段内的血压变化数据；
16.所述脑电模块是收集和记录患者在诊疗期间监测时间段内的脑电变化数据；
17.所述心率模块时收集和记录患者在诊疗期间监测时间段内的心率变化数据；
18.所述血液指标模块是收集和记录患者在诊疗期间完成的如血常规、血生化和凝血功能等血液指标数据。
19.优选的，所述数据分类单元包括图形数据模块和文字数据模块，所述图形数据模块是收集和整理患者生理参数的图形数据，所述文字数据模块是收集和整理患者生理参数的文字数据。
20.优选的，所述数据筛选单元包括分选模块和计算模块，且分选模块处理好的数据发送至计算模块内进行分类计算。
21.优选的，所述分选模块是对分类好的图形数据进行特征和类型的筛选，将不清晰的图形数据和跨度范围超过正常值两倍的文字数据进行筛除；
22.所述计算模块是对分选好的文字数据和图形数据进行平均值的计算，且对出现次数最多的文字数据和图形数据进行统计。
23.优选的，所述数据判别单元包括大数据记录模块、病例筛查模块和类比模块。
24.优选的，所述大数据记录模块是通过大数据记录脑卒中患者的生理数据；
25.所述病例筛查模块是对观察患者的既往疾病进行筛查；
26.所述类比模块是对病例筛查和筛选的数据进行归类，然后与大数据记录模块内脑卒中患者的数据进行类比判别，得出最终的判别数据。
27.本发明的技术效果和优点：
28.本发明设计了基于机器学习和多生理参数的脑卒中分析系统，通过数据获取单元、存储单元、数据分类单元、数据分类单元、数据判别单元和输出单元的组合形成一套分析判别系统，这样通过本系统，能够对进行分析的患者进行多时间点数据的收集和分析，且能够通过长周期的分析数据，通过机器学习算法来进行数据的汇总和分析判别，进而最大程度避免病状潜伏难以判别造成最佳干预时间的耽搁，且通过本系统能够更加动态的进行判别分析，使得整个分析的准确性有很大的提高。
附图说明
29.图1为本发明系统模块组成示意图。
具体实施方式
30.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
31.本发明提供了如图1所示的一种基于机器学习和多生理参数的脑卒中分析系统，所述分析系统包括：
32.数据获取单元，所述数据获取单元获取来自患者的多项生理参数的数据；
33.所述数据获取单元包括体温模块，体温模块是收集和记录患者在诊疗期间监测时间段内的体温变化数据；
34.该行为是将一天分为6小时四时间段或者8小时三时间段，这样分段记录每段时间内的平均水准。
35.呼吸频率模块，呼吸频率模块是收集和记录患者在诊疗期间监测时间段内的呼吸频率变化数据；
36.血压模块，血压模块是收集和记录患者在诊疗期间监测时间段内的血压变化数据；
37.脑电模块，脑电模块是收集和记录患者在诊疗期间监测时间段内的脑电变化数据；
38.心率模块，心率模块是收集和记录患者在诊疗期间监测时间段内的心率变化数据；
39.血液指标模块，血液指标模块是收集和记录患者在诊疗期间完成的如血常规、血生化和凝血功能等血液指标数据。
40.存储单元，所述存储单元对数据获取单元所得到的数据进行存储；
41.数据分类单元，所述数据分类单元由数据获取单元和存储单元处获取患者生理参数的数据，并对获取的参数进行分类；
42.数据分类单元包括图形数据模块和文字数据模块，所述图形数据模块是收集和整理患者生理参数的图形数据，所述文字数据模块是收集和整理患者生理参数的文字数据。
43.数据筛选单元，所述数据筛选单元由数据分类单元和存储单元处获取分类好的数据，并对获取的数据进行筛选；
44.数据筛选单元包括分选模块和计算模块，且分选模块处理好的数据发送至计算模块内进行分类计算；
45.分选模块是对分类好的图形数据进行特征和类型的筛选，将不清晰的图形数据和跨度范围超过正常值两倍的文字数据进行筛除；
46.所述计算模块是对分选好的文字数据和图形数据进行平均值的计算，且对出现次数最多的文字数据和图形数据进行统计。
47.数据判别单元，所述数据判别单元由数据筛选单元处获得筛选好的数据，并通过云数据进行病理判别，并将判别的数据发送至存储单元进行存储记录；
48.数据判别单元包括大数据记录模块、病例筛查模块和类比模块；
49.大数据记录模块是通过大数据记录脑卒中患者的生理数据；
50.所述病例筛查模块是对观察患者的往期病理进行筛查；
51.所述类比模块是对病例筛查和筛选的数据进行归类，然后与大数据记录模块内脑卒中患者的数据进行类比判别，得出最终的判别数据。
52.输出单元，所述输出单元由存储单元和数据判别单元处获取判别数据进行输出。
53.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。