一种容量反应性预测系统及方法

本发明涉及机器学习领域，尤其涉及一种容量反应性预测系统及方法。

背景技术：

1、由于疾病的快速演变，重症患者的血管张力、血管通透性以及心脏功能会不断变化，其容量状态复杂多变，动态的容量反应性评估，适时地调整容量管理方案对重症患者十分重要；然而，现有的容量反应性评估方法，需要通过临床医生对患者进行检查操作才能得到容量反应性结果，而不同医生的对于容量反应性的评估存在异质性，此外，现有的容量反应性评估方法无法实时监测患者的容量，从而导致重症患者无法根据实时容量反应性判断当前患者是否需要进行液体复苏，由此，如何准确反映重症患者的容量反应性，是一个亟须解决的问题。

技术实现思路

1、本发明提供了一种容量反应性预测系统及方法，所述系统将待预测患者的基础数据、对应的呼吸机数据以及监护仪数据作为输入，通过容量反应性预测模型计算得到待预测患者的容量反应性结果，从而达到准确反映重症患者的容量反应性的目的。

2、本发明一实施例提供了一种容量反应性预测系统，包括：

3、检测数据获取模块、检测模块以及模型构建模块；

4、所述检测数据获取模块，用于获取待预测患者的性别、年龄、诊断结果和用药情况、在监护仪中的血压值、血压波形和cvp波形，以及在呼吸机中的潮气量、空气流速和压力波形；

5、所述检测模块，用于将待预测患者的性别、年龄、诊断结果、用药情况、血压值、血压波形、cvp波形、潮气量、空气流速和压力波形输入到容量反应性预测模型中，以使所述容量反应性预测模型根据所输入的数据预测所述待预测患者的容量反应性；

6、所述模型构建模块，用于获取若干患者的观测事件以及所述观测事件对应的容量反应性判断结果；其中，所述观测事件包括：每一患者的性别、年龄、诊断结果和用药情况、在监护仪中的血压值、血压波形和cvp波形以及在呼吸机中的潮气量、空气流速和压力波形的数据变化情况；将所述若干患者的观测事件作为输入、将所述观测事件对应的容量反应性判断结果作为输出，对神经网络模型进行训练；将训练完成后的神经网络模型作为所述容量反应性预测模型。

7、进一步地，所述模型构建模块，包括：滤波单元、缺失数据填补单元、分辨率统一单元以及归一化单元；

8、所述滤波单元，用于将获取到的每一患者的血压波形、cvp波形以及压力波形输入到滤波器中，使得所述滤波器去除所述血压波形、所述cvp波形以及所述压力波形中的噪声异常值；

9、所述缺失数据填补单元，用于通过预设的插值方法对滤除噪声异常值后的血压波形、cvp波形以及压力波形中的缺失数据进行填补；

10、所述分辨率统一单元，用于在填补完所述血压波形、所述cvp波形以及所述压力波形中的缺失数据后，统一所述血压波形、所述cvp波形以及所述压力波形的分辨率；

11、所述归一化单元，用于对统一分辨率后的cvp波形以及压力波形进行归一化。

12、进一步地，所述预设的插值方法，包括：线性插值或样条插值。

13、进一步地，所述分辨率统一单元，在统一所述血压波形、所述cvp波形以及所述压力波形的分辨率时，包括：

14、根据所述血压波形、所述cvp波形以及所述压力波形每一采样点对应的时间戳，计算出血压波形、cvp波形以及压力波形中每一采样点对应的采样频率，从而确定最低采样频率；

15、根据所述最低采样频率，计算出所述最低采样频率对应的时间间隔值；

16、根据所述最低采样频率对应的时间间隔值，将所述血压波形、所述cvp波形以及所述压力波形中，采样频率要高于最低采样频率的采样点进行降采样处理，以统一所述血压波形、所述cvp波形以及所述压力波形的分辨率。

17、进一步地，所述归一化单元，在对cvp波形进行归一化时，包括：

18、计算所述cvp波形中所有采样点中的第一最大值和第一最小值；

19、将所述第一最大值减去所述第一最小值，得到第一范围；

20、根据所述cvp波形、第一范围以及第一最小值，对所述cvp波形中的每一采样点进行归一化处理，得到归一化后的cvp波形数据。

21、进一步地，所述归一化单元，在对压力波形进行归一化时，包括：

22、计算所述压力波形中所有采样点中的第二最大值和第二最小值；

23、将所述第二最大值减去所述第二最小值，得到第二范围；

24、根据所述压力波形、第二范围以及第二最小值，对所述压力波形中的每一采样点进行归一化处理，得到归一化后的压力波形数据。

25、进一步地，所述归一化单元，在对血压波形进行归一化时，包括：

26、计算所述血压波形中所有采样点中的第三最大值和第三最小值；

27、将所述第三最大值减去所述第三最小值，得到第三范围；

28、根据所述血压波形、第三范围以及第三最小值，对所述血压波形中的每一采样点进行归一化处理，得到归一化后的血压波形数据。

29、进一步地，所述模型构建模块，还包括：模型验证单元；

30、所述模型验证单元，用于将所述观测事件分为训练集以及验证集；所述训练集用于输入到待训练的神经网络模型中进行训练；所述验证集用于训练完成后的神经网络模型进行验证。

31、本发明还提供了一种容量反应性预测方法，包括：

32、获取待预测患者的性别、年龄、诊断结果和用药情况、在监护仪中的血压值、血压波形和cvp波形以及在呼吸机中的潮气量、空气流速和压力波形；

33、将待预测患者的性别、年龄、诊断结果、用药情况、血压值、血压波形、cvp波形、潮气量、空气流速和压力波形输入到容量反应性预测模型中，以使所述容量反应性预测模型根据所输入的数据预测所述待预测患者的容量反应性；

34、所述容量反应性预测模型的构建过程，包括：

35、获取若干患者的观测事件以及所述观测事件对应的容量反应性判断结果；其中，所述观测事件包括：每一患者的性别、年龄、诊断结果和用药情况、在监护仪中的血压值、血压波形和cvp波形以及在呼吸机中的潮气量、空气流速和压力波形的数据变化情况；

36、将所述若干患者的观测事件作为输入、将所述观测事件对应的容量反应性判断结果作为输出，对神经网络模型进行训练；将训练完成后的神经网络模型作为所述容量反应性预测模型。

37、通过实施本发明具有如下有益效果：

38、本发明通过构建一种容量反应性预测系统及方法，将患者的性别、年龄、诊断结果和用药情况、在监护仪中的血压值、血压波形和cvp波形以及在呼吸机中的潮气量、空气流速和压力波形作为系统的输入，在将数据输入到系统后，容量反应性预测模型对所述输入数据进行分析计算，从而得到一个容量反应性预测结果，由此，本系统通过实时采集患者在监测仪以及呼吸机中的参数并根据所述参数生成一个容量反应性预测结果，从而达到能实时反映重症患者容量反应性的效果，此外，本系统中的容量反应性预测模型通过若干重症患者的观测事件进行训练，从而能有效根据输入数据进行计算，因此使得输出的容量反应性预测结果较为准确，避免了因不同临床医生主观判断而导致容量反应性判断有误的情况。