一种多模态困难气道评估方法、系统、电子设备及介质

本发明涉及困难气道评估，尤其涉及一种多模态困难气道评估方法、系统、电子设备及介质。

背景技术：

1、临床工作中患者气道评估及管理在麻醉学、重症医学和急诊医学等领域均占有举足轻重的地位，亦是保障围术期患者生命安全及危重症患者抢救的最后一道防线。气道评估和管理不善会导致患者出现通气不良、反流误吸、气道损伤、缺血缺氧性脑病、甚至死亡等严重并发症。困难气道作为气道评估及管理的重点与难点，但目前临床上并没有一个可靠的、能准确预测的指标。

2、传统评估主要包括：张口度、甲颏距离、头颈部活动度、颞颌关节活动度等。这些外观指标简单容易获取，虽然一定程度的提示困难气道，但外观评估指标因不能准确反映气道内部的异常解剖结构，因此准确性不高。借助x线、ct、mri等影像学指标可显著提升对困难气道预测的准确性，但此类检查并不是常规临床中必行检查，也常常需要患者到特定的检查地点进行，这不仅增加了患者的移动，延长住院时间，增加医疗费用，还增加患者放射量的暴露。超声作为可移动便携式无损伤的检查仪器，其在临床中的应用非常普遍，气道超声作为近年来在麻醉领域备受关注的一个研究方向，目前超声已在困难气道的临床诊断中进行了部分应用。其不仅能提供实时影像，还可提供动态气道结构变化，清晰显影舌体、会厌、声带、舌骨、甲状舌骨膜、甲状软骨、环状软骨、环甲膜、气管软骨环等气道解剖组织，并测量各组织之间的距离以预测困难气道，但准确率仍不能满足需求。由此发现，仅凭现有的单一因素、单角度、单维度的评估，难以获得准确的评估结果。

3、人工智能作为一门新兴学科，是集研究、开发用于模拟、延展、增强人类智能理论、方法、应用与一体的技术，其能自主学习结构化和非结构化的数据组合，从而产生相应的决策支持。通过患者基本信息、头颈部面部信息、头颈部超声图像与人工智能结合，建立多模态困难气道评估模型，这对于临床术前气道评估会有极大的帮助。

技术实现思路

1、本发明提供了一种多模态困难气道评估方法、系统、电子设备及介质，能够显著提高患者困难气道预测的准确性。

2、根据本发明的一方面，提供了一种多模态困难气道评估方法，包括：

3、获取若干患者的历史采样数据，所述历史采样数据包括基本信息、头颈活动视频、颈部超声图像以及声门暴露图片；

4、基于所述头颈活动视频获取患者的面部图像特征；基于所述颈部超声图像获取患者的超声特征；基于声门暴露图片获取患者的气道标签；

5、以一个患者的所述基本信息、所述面部图像特征、所述超声特征以及气道标签为一个样本，构建样本集；

6、构建基于机器学习算法的困难气道分类器，并采用所述样本集中的数据对所述困难气道分类器进行训练，得到训练好的所述困难气道分类器；

7、采用训练好的所述困难气道分类器对当前患者的气道采样数据进行评估，得到气道评估结果。

8、可选地，所述基于所述头颈活动视频获取患者的面部图像特征，包括：

9、采用xfeat模型构建面部图像特征提取网络，将所述头颈活动视频输入到所述面部图像特征提取网络中，以提取所述面部图像特征。

10、可选地，所述采用xfeat模型构建面部图像特征提取网络，将所述头颈活动视频输入到所述面部图像特征提取网络中，以提取所述面部图像特征，包括：

11、将所述头颈活动视频转换为灰度图像；

12、采用xfeat模型从所述灰度图像中分离出人脸区域图像；

13、基于所述人脸区域图像获取面部图像特征；所述面部图像特征至少包括下颌前伸度、头部最大后仰位、头部最大前倾位、张口度、以及颈围。

14、可选地，在所述构建基于机器学习算法的困难气道分类器，并采用所述样本集中的数据对所述困难气道分类器进行训练，得到训练好的所述困难气道分类器，之前包括：

15、对所述样本集中的数据进行预处理；所述预处理至少包括数据标准化、归一化以及数据清洗。

16、可选地，所述对所述样本集中的数据进行预处理，包括：

17、将所述样本集中的多模态数据进行数据标准化和归一化处理；

18、基于患者头颈部影像学资料的多个关键指标，对标准化和归一化处理后的所述样本集中的数据进行数据清洗；

19、采用多重插补法填补所述样本集中进行所述数据清洗后的空缺值，得到填补后的所述样本集。

20、可选地，所述构建基于机器学习算法的困难气道分类器，并采用所述样本集中的数据对所述困难气道分类器进行训练，得到训练好的所述困难气道分类器，包括：

21、构建diffusion-mae模型的所述困难气道分类器；

22、采用k折交叉验证方法将所述样本集分为训练集和测试集两大类，通过多次随机划分数据集对所述困难气道分类器进行训练，以全面评估困难气道分类器的性能；得到训练好的困难气道分类器。

23、可选地，所述超声特征至少包括皮肤到会厌距离、皮肤到舌骨距离、舌体宽度和厚度、下颌骨距舌骨距离以及舌体面积生理指标。

24、根据本发明的另一方面，提供了一种多模态困难气道评估系统，包括：

25、采用模块，用于获取若干患者的历史采样数据，所述历史采样数据包括基本信息、头颈活动视频、颈部超声图像以及声门暴露图片；

26、特征提取模块，用于基于所述头颈活动视频获取患者的面部图像特征；基于所述颈部超声图像获取患者的超声特征；基于声门暴露图片获取患者的气道标签；

27、样本构建模块，用于以一个患者的所述基本信息、所述面部图像特征、所述超声特征以及气道标签为一个样本，构建样本集；

28、训练模块，用于构建基于机器学习算法的困难气道分类器，并采用所述样本集中的数据对所述困难气道分类器进行训练，得到训练好的所述困难气道分类器；

29、评估模块，用于采用训练好的所述困难气道分类器对当前患者的气道采样数据进行评估，得到气道评估结果。

30、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

31、至少一个处理器；以及

32、与所述至少一个处理器通信连接的存储器；其中，

33、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的多模态困难气道评估方法。

34、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的多模态困难气道评估方法。

35、本发明实施例的技术方案，通过获取患者的历史采样数据，包括基本信息、头颈活动视频、颈部超声图像以及声门暴露图片，基于头颈活动视频获取的面部图像特征，基于颈部超声图像获取的超声特征，进而将文本图像超声图像等结合的多模态数据作为样本集，用于训练基于机器学习的困难气道分类器，从而提高困难气道分类器的识别准确率，即本技术仅需要容易采集的三种数据：患者基本信息、头颈活动视频以及颈部超声图像，即可准确的识别出患者是否为困难气道，在提高识别准确率的同时也能减少患者的花费。

36、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。