一种结合医学先验知识伪标签的急性高原病风险评估系统

本发明涉及急性高原病风险评估，尤其是涉及一种结合医学先验知识伪标签的急性高原病风险评估系统。

背景技术：

1、急性高原病是一种因高原地区恶劣的低氧低气压环境导致的疾病。该疾病常常由于个体在短时间内快速由低海拔地区到达高海拔地区，外部生存环境骤变，身体各部分机能无法及时调整或不能有效调整到合适的水平而导致的。患者可能出现头痛、恶心、厌食、失眠和疲惫等症状，严重者可能会影响正常的生活与工作。此外，高原地区常驻居民虽然高原环境适应能力比旅居个体更强，但是生理状态仍然处于不理想的水平，存在心率过快、血氧饱和度过低的现象。因此，急性高原病的风险评估对于保障并提升个体在高原地区的健康质量具有重大意义。

2、现有的急性高原病风险评估方法主要依赖于路易斯湖评分，该评分通过个体的主观问卷调查来获取。这种主观评分存在一定的主观性，并且不同个体对于症状的感受标准可能不同。对于个体a来说，某个症状严重程度可能被认为是一般或可接受的程度，而对于个体b来说，同样的症状可能已经感觉非常不适。此外，无法排除个体因为个人原因而隐瞒或错误填写，最终导致误诊或漏诊。因此，个体评分的准确性和标准化程度存在一定问题。除此之外，标志物或者检测试剂盒也是一种对急性高原病进行评估诊断的方案(专利号:201811637725.6，201811038384.0)。该方案采样受试者血液或dna，进而做出诊断。该方法在医学上可行，但是采样过程具有侵入性，且无法对个体进入高原环境进行全周期监测。

3、得益于可穿戴设备和医疗物联网技术的发展，大量的生理监测信号能够在不影响人们正常生活的情况下获取到，并在疾病的早期筛查、风险评估和诊断治疗上发挥作用。现已有文献指出可穿戴设备连续测量的生理变量可以促进急性高原病风险评估与诊断。针对高原损伤，血氧饱和度被公认为是最直观且有效的指标，能够持续性地刻画身体对高原低氧环境做出的应激反应。在缺氧环境下，人体血氧饱和度从98％以上的水平快速下降，另一项指标心率则与血氧饱和度相反，持续上升。故而，低氧相关的生理变量动态监控过程，可作为数据驱动方案的数据来源，实现急性高原病评估。数据驱动的方法通常需要大量带有标签的数据，而个体穿戴设备监测到的数据虽然量大，但真实反应急性高原病的标签却相对较少。

技术实现思路

1、本发明的目的是提供一种结合医学先验知识伪标签的急性高原病风险评估系统，将经验知识融入深度学习框架，通过较少的带标签数据实现急性高原病风险评估任务。

2、为实现上述目的，本发明提供了一种结合医学先验知识伪标签的急性高原病风险评估系统，包括数据采集模块、伪标签构造模块、自监督学习模块和下游任务风险评估模块，

3、数据采集模块包括第一采集子模块和第二采集子模块，第一采集子模块采集在间歇性低氧训练过程中实时监测的序列数据，包括血氧饱和度、心率和呼吸频率在内的人体生理信号，第二采集子模块采集个体的瞬时路易斯湖评分；

4、伪标签构造模块给第一采集子模块采集到的序列数据打上与数据变化趋势相关的伪标签；

5、自监督学习模块采用深度神经网络框架，在自监督学习的辅助任务下进行深度学习，得到训练好的自监督学习编码器模型；

6、下游风险任务评估模块，基于自监督学习编码器模型得到的特征数据和第二采集子模块采集到的路易斯湖评分作为真实标签进行学习，得到下游任务模型，并在学习过程中调整模型参数。

7、优选的，间歇性低氧训练指向受试者面罩内持续通入变换的高浓度氧气和低浓度氧气，高浓度氧气的氧气含量为35％-38％，低浓度氧气的氧气含量为11％-14％。

8、优选的，伪标签的具体构造方式为：令在相同环境下不同个体的血氧饱和度指标从正常状态下降到85％时所花费的时间为t；针对采样数据样本分析得出t的大致取值范围在[m,n]；设定阈值α和β，α和β属于[m,n]的范围内，将[m,n]划分为[m,α]、[α,β]、[β,n]三个不同的时间段，对于新采样个体的若ti<m，将ti划归到[m,α]范围内，若ti>n，将ti划归到[β,n]范围内；

9、这三个时间段反映了低氧适应能力的弱、中、强，表示受试者患急性高原病风险的高、中、低；将这三个风险类别用数字化的伪标签表示，分别定义为0，1，2。

10、优选的，自监督学习模块的学习过程如下：采用深度神经网络框架，以数据采集模块第一采集子模块采集到的生理指标作为输入，以伪标签构造模块生成的标签数据作为输入数据的标签，形成自监督学习的辅助任务进行深度学习，获得训练好的自监督学习编码器模型。

11、优选的，下游风险任务评估模块的学习过程如下：

12、将下游任务数据连同真实标签分成训练集和测试集，

13、将训练集数据送入已训练好的自监督学习模型得到训练集数据表征，训练集数据表征和真实标签数据作为输入数据送入下游任务待训练模型进行训练，训练完成之后得到下游任务模型，该模型使用支持向量机模型；

14、将测试集数据送入已训练好的自监督学习模型得到测试集数据表征，测试集数据表征和真实标签数据送入下游任务模型，对下游任务模型进行验证，使用准确率、f1得分指标和接收者操作特征曲线及曲线下面积来评估性能；

15、对于新的无标签数据样本，使用编码器模型获得数据表征，接着将数据表征送入下游任务模型，得到输出的急性高原病风险评估结果。

16、因此，本发明采用上述结构的一种结合医学先验知识伪标签的急性高原病风险评估系统，具有以下有益效果：

17、(1)本发明利用采集到的人体动态生理指标进行急性高原病风险评估，无需采集血液和dna样本，也避免仅使用路易斯湖评分作为评估标准的潜在风险。

18、(2)本发明利用低氧训练过程中血氧饱和度下降到85％所需时间作为衡量指标构建深度学习所需要的标签，在深度学习算法中融入了医学经验。

19、(3)本发明仅在下游任务风险评估模块需要少量真实标签数据用作自监督学习模型的微调操作，无需收集大量真实标签，克服了标签收集困难的问题。

20、(4)本发明可以监测个体的生理指标，动态评估个体的耐低氧能力，为急进高原潜在的风险做出预判，以利于个体做出相应的预防措施。

21、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

技术特征：

1.一种结合医学先验知识伪标签的急性高原病风险评估系统，其特征在于：包括数据采集模块、伪标签构造模块、自监督学习模块和下游任务风险评估模块，

2.根据权利要求1所述的一种结合医学先验知识伪标签的急性高原病风险评估系统，其特征在于：间歇性低氧训练指向受试者面罩内持续通入变换的高浓度氧气和低浓度氧气，高浓度氧气的氧气含量为35％-38％，低浓度氧气的氧气含量为11％-14％。

3.根据权利要求1所述的一种结合医学先验知识伪标签的急性高原病风险评估系统，其特征在于：伪标签的具体构造方式为：令在相同环境下不同个体的血氧饱和度指标从正常状态下降到85％时所花费的时间为t；针对采样数据样本分析得出t的大致取值范围在[m,n]；

4.根据权利要求3所述的一种结合医学先验知识伪标签的急性高原病风险评估系统，其特征在于：自监督学习模块的学习过程如下：采用深度神经网络框架，以数据采集模块第一采集子模块采集到的生理指标作为输入，以伪标签构造模块生成的标签数据作为输入数据的标签，形成自监督学习的辅助任务进行深度学习，获得训练好的自监督学习编码器模型。

5.根据权利要求4所述的一种结合医学先验知识伪标签的急性高原病风险评估系统，其特征在于：下游风险任务评估模块的学习过程如下：

技术总结
本发明公开了一种结合医学先验知识伪标签的急性高原病风险评估系统，涉及急性高原病风险评估领域，包括数据采集模块、伪标签构造模块、自监督学习模块和下游任务风险评估模块，数据采集模块包括第一采集子模块和第二采集子模块，第一采集子模块采集在间歇性低氧训练过程中实时监测的序列数据，包括血氧饱和度、心率和呼吸频率在内的人体生理信号，第二采集子模块采集个体的瞬时路易斯湖评分。本发明通过对生理信号数据的监测，挖掘动态监测数据的内在属性，融入先验知识以标定数据伪标签，以此构建基于辅助任务的自监督学习框架，学习生理信号的表征信息，用于下游的急性高原病风险评估任务。

技术研发人员：史大威,王磊,王军政
受保护的技术使用者：北京理工大学
技术研发日：
技术公布日：2024/1/16