一种强直性脊柱炎远程智能风险确定方法及系统与流程

本发明涉及医疗健康领域，具体涉及一种强直性脊柱炎远程智能风险确定方法及系统。

背景技术：

1、强直性脊柱炎(ankylosing spondylitis，简称as)是一种慢性炎症性疾病，主要影响脊柱和骶髂关节(在脊柱和骨盆连接的关节)，并可影响身体的其他部分，如眼睛、肠道、皮肤和心脏。它是一种自身免疫性疾病，意味着由于身体免疫系统错误地攻击健康组织，而导致炎症。

2、但目前强直性脊柱炎(as)的诊断和监测技术存在一些不足。例如，专利申请号为cn202310865943.x的中国发明专利文本中公开的一种强直性脊柱炎患者体力活动轨迹动态追踪筛选系统，该系统包括数据采集模块、感知模块、比对分析模块、监测模块以及预警模块；数据采集模块，采集强直性脊柱炎患者体力活动轨迹动态追踪筛选系统运行时的数据信息，包括系统数据处理信息和系统自身状态信息。该发明通过监测系统对强直性脊柱炎患者体力活动轨迹动态追踪筛选系统的运行状态进行监测并感知，当强直性脊柱炎患者体力活动轨迹动态追踪筛选系统的运行状态发生异常时，及时提示佩戴人员进行维护，有效地防止系统发生异常导致对患者的监测变得不准确，从而及时准确发现患者姿势错误或过度运动的情况。上述系统中，通过采集患者体力活动轨迹信息作为分析的数据，仅能够作为强直性脊柱炎(as)的筛查的一方面参考数据，而对于病症筛查和诊断其它方面的参考数据，则无法提供关联性的处理和分析，也没有考虑如何提升相关数据的准确性和有效性。例如，具体疼痛部位的确定和性质描述信息，以及胸廓扩张范围数据。

3、为此，现有的强直性脊柱炎筛查和监测技术在与病症相关的特征数据的分析和处理等方面仍存在不够全面的问题，难以确保相关数据的分析和处理准确性，也没有考虑提供参考数据的关联性处理。

技术实现思路

1、为解决上述问题，本发明公开了一种强直性脊柱炎远程智能风险确定系统。

2、在第一方面，本申请提供了一种强直性脊柱炎远程智能风险确定方法，具体包括：

3、a，症状信息获取：

4、分别获取疼痛部位信息和疼痛部位对应的性质描述信息，输入建立的病症部位认知模型和病症描述信息解析模型，计算输出病症识别信息，将病症识别信息转换成可分析数据，并作为xgboost算法的输入数据，计算得到风险评估结果；

5、b，姿态信息获取：

6、获取录制的视频信息，将其作为姿态分析模型的输入，计算得到姿态分析结果；

7、c，胸廓扩张范围确定：

8、根据可穿戴胸廓压力检测模块的检测数据，通过递归神经网络模型计算得到胸廓扩张障碍信息。

9、上述方案中，所述病症识别信息转换成可分析数据的方法包括：

10、对病症识别信息进行归类并构建特征集合，所述特征集合的类型包括：数值特征、布尔特征和分类特征；

11、对各特征集合中的信息进行转换，其中，

12、若特征类型为数值特征，则进行z-score标准化处理；

13、若特征类型为布尔特征，则保持其原有的二值编码；

14、若特征类型为分类特征，则通过独热编码转换成数值特征后，再进行z-score标准化处理。

15、上述方案中，将所述病症识别信息转换成可分析数据前，进一步对病症识别信息进行筛选；

16、所述筛选的方法包括，通过xgboost内置的特征重要性评分算法筛选出对模型预测最有帮助的特征；

17、将得到的最有帮助的特征转换成可分析数据。

18、上述方案中，所述疼痛部位信息根据用户在交互界面的人体模型中输入获取，所述人体模型包括根据身体各部位划分的可选择区域，各所述可选择区域被进一步划分出多个细分部位。

19、上述方案中，所述性质描述信息通过自然语言处理算法，提取性质描述信息中的关键信息。

20、上述方案中，获取所述性质描述信息时，进一步通过变分自编码器算法解析病症性质描述的潜在表示，并通过条件生成对抗网络算法提供疼痛部位选择建议。

21、上述方案中，所述病症部位认知模型的建立方法包括：

22、建立人体模型的图表示；

23、通过卷积网络算法对所述图表示中的身体部位和身体部位之间的连接关系进行学习和训练。

24、在第二方面，本申请还提供了一种强直性脊柱炎远程智能风险确定系统，该系统包括：

25、症状信息获取模块，用于将交互界面获取的疼痛部位信息和疼痛部位对应的性质描述信息，输入至对应的病症部位认知模型和病症描述信息解析模型，对病症部位认知模型和病症描述信息解析模型输出的病症识别信息进行特征转换，得到可分析数据，并作为xgboost算法的输入数据，计算得到风险评估结果；

26、姿态信息获取模块，用于将录制的视频信息，作为姿态分析模型的输入，计算得到姿态分析结果；

27、胸廓扩张范围确定模块，用于根据可穿戴胸廓压力检测模块的检测数据，通过递归神经网络模型计算得到胸廓扩张障碍信息。

28、上述方案中，所述症状信息获取模块进一步包括个性化记录单元，所述个性化记录单元用于根据用户的病症历史记录，在交互界面预先高亮待确认疼痛区域。

29、上述方案中，所述症状信息获取模块还包括推理单元，所述推理单元用于通过零样本学习模型学习已知疼痛部位的属性和用户描述的关联，根据获取的性质描述信息中的未识别信息，输出病症的推理信息。

30、本发明实施例中，通过获取疼痛部位信息及其性质描述，并利用建立的病症部位认知模型和病症描述信息解析模型进行计算处理，能够精准地定位疼痛区域以及对疼痛性质进行更为准确的识别；同时将病症识别信息转换成可分析数据后，再通过xgboost算法处理这些数据，能够得到一个准确的风险评估结果，这对于早期诊断和治疗强直性脊柱炎至关重要；

31、其次，对于姿态信息的筛查，通过对录制视频的姿态分析，能够远程监控患者的运动和体态变化，这有助于检测和评估疾病对患者日常活动的影响，并为患者提供个性化的治疗建议；

32、此外，利用可穿戴胸廓压力检测模块，结合递归神经网络模型计算胸廓扩张障碍信息，可提供病症辅助诊断依据，以评估炎症对身体功能的影响；

33、进一步的，疼痛部位信息及其性质描述的获取，通过交互界面上的人体模型及自然语言处理技术的处理，使得患者可以直观且便捷地标注疼痛部位和描述疼痛特征，这样的人机交互设计大幅提升了用户体验，并有助于收集更为精确的症状信息；

34、因此该远程智能风险确定方案为强直性脊柱炎的筛查和监测提供了一个全面、精确且易于使用的工具，能够显著提高诊断的效率和准确率。

技术特征：

1.一种强直性脊柱炎远程智能风险确定方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述病症识别信息转换成可分析数据的方法包括：

3.根据权利要求2所述的方法，其特征在于，将所述病症识别信息转换成可分析数据前，进一步对病症识别信息进行筛选；

4.根据权利要求1所述的方法，其特征在于，所述疼痛部位信息根据用户在交互界面的人体模型中输入获取，所述人体模型包括根据身体各部位划分的可选择区域，各所述可选择区域被进一步划分出多个细分部位。

5.根据权利要求1或4所述的方法，其特征在于，所述性质描述信息通过自然语言处理算法，提取性质描述信息中的关键信息。

6.根据权利要求5所述的方法，其特征在于，获取所述性质描述信息时，进一步通过变分自编码器算法解析病症性质描述的潜在表示，并通过条件生成对抗网络算法提供疼痛部位选择建议。

7.根据权利要求4所述的方法，其特征在于，所述病症部位认知模型的建立方法包括：

8.一种强直性脊柱炎远程智能风险确定系统，其特征在于，包括：症状信息获取模块，用于将交互界面获取的疼痛部位信息和疼痛部位对应的性质描述信息，输入至对应的病症部位认知模型和病症描述信息解析模型，对病症部位认知模型和病症描述信息解析模型输出的病症识别信息进行特征转换，得到可分析数据，并作为xgboost算法的输入数据，计算得到风险评估结果；

9.根据权利要求8所述的系统，其特征在于，所述症状信息获取模块进一步包括个性化记录单元，所述个性化记录单元用于根据用户的病症历史记录，在交互界面预先高亮待确认疼痛区域。

10.根据权利要求8或9所述的系统，其特征在于，所述症状信息获取模块还包括推理单元，所述推理单元用于通过零样本学习模型学习已知疼痛部位的属性和用户描述的关联，根据获取的性质描述信息中的未识别信息，输出病症的推理信息。

技术总结
本发明涉及医疗健康领域，具体涉及一种强直性脊柱炎远程智能风险确定方法及系统；在本申请的方案中，风险确定的类型具体包括症状信息获取、姿态信息获取和胸廓扩张范围确定，在症状信息获取的过程中，通过获取疼痛部位信息及其性质描述，并利用建立的病症部位认知模型和病症描述信息解析模型进行计算处理，能够精准地定位疼痛区域以及对疼痛性质进行更为准确的识别；同时将病症识别信息转换成可分析数据后，再通过XGBoost算法处理这些数据，能够得到一个准确的风险评估结果；本申请的远程智能风险确定方案为强直性脊柱炎的筛查和监测提供了一个全面、精确且易于使用的工具，能够显著提高诊断的效率和准确率。

技术研发人员：赵征,朱剑,冀肖健,刘兴康,黄烽,李坤鹏,闵昂,刘荻,李云,陈沁心,谢曦
受保护的技术使用者：中国人民解放军总医院第一医学中心
技术研发日：
技术公布日：2024/10/31