本發(fā)明涉及醫(yī)療信息，具體涉及一種用于主動脈夾層快速篩查與分診的智能方法與系統(tǒng)。

背景技術(shù)：

1、主動脈夾層作為一種嚴(yán)重的心血管急癥，其及時準(zhǔn)確的篩查與分診對于患者的生命安全至關(guān)重要。然而，傳統(tǒng)的醫(yī)學(xué)影像技術(shù)雖然準(zhǔn)確，但操作復(fù)雜且成本高昂，對于急性發(fā)病的患者來說，時間緊迫，需要更快速、便捷的篩查方法。

2、目前，臨床上對于主動脈夾層的篩查主要依賴于患者的臨床表現(xiàn)和體征，以及高危病史。然而，這些癥狀和體征的特異性不高，易受其他疾病干擾，導(dǎo)致誤診和漏診。為了解決這一問題，已有研究人員嘗試將人工智能算法應(yīng)用于主動脈夾層的篩查中，通過收集患者的主訴、首發(fā)癥狀、既往病史以及高危體征等患者數(shù)據(jù)，利用這些數(shù)據(jù)進(jìn)行深度學(xué)習(xí)和分析，以發(fā)現(xiàn)風(fēng)險因子與癥狀之間的關(guān)聯(lián)，從而初步評估患者是否屬于ad高危人群。

3、然而，盡管這種方法在理論上能夠提高篩查的準(zhǔn)確性和效率，但在實際應(yīng)用中仍面臨一些挑戰(zhàn)。首先，高質(zhì)量的標(biāo)注數(shù)據(jù)在醫(yī)療領(lǐng)域往往難以獲取，這限制了模型的訓(xùn)練和優(yōu)化。其次，即使有了足夠的標(biāo)注數(shù)據(jù)，模型的泛化能力也可能受到限制，特別是在面對新的、未標(biāo)注的數(shù)據(jù)時。因此，為克服現(xiàn)有篩查方法的局限性，同時滿足臨床實踐中對快速、準(zhǔn)確篩查主動脈夾層的需求，亟需提供一種用于主動脈夾層快速篩查與分診的智能方法及系統(tǒng)，從而進(jìn)一步提升主動脈夾層篩查的準(zhǔn)確性。

技術(shù)實現(xiàn)思路

1、為了實現(xiàn)提升主動脈夾層篩查的準(zhǔn)確性，本發(fā)明的目的在于提供一種用于主動脈夾層快速篩查與分診的智能方法及系統(tǒng)，所采用的技術(shù)方案具體如下：

2、第一方面，本技術(shù)公開了一種用于主動脈夾層快速篩查與分診的智能方法，所述方法包括：

3、s1、收集示意主訴癥狀、首發(fā)癥狀、既往病史、以及高危體征的文本信息數(shù)據(jù)集；

4、s2、基于所述文本信息數(shù)據(jù)集，利用自然語言處理結(jié)合機(jī)器學(xué)習(xí)的特征提取與分類算法進(jìn)行風(fēng)險因子的識別；

5、s3、通過相關(guān)性分析技術(shù)，計算風(fēng)險因子與主訴癥狀、以及首發(fā)癥狀之間的關(guān)聯(lián)，并根據(jù)關(guān)聯(lián)強(qiáng)度通過設(shè)定閾值以初步評估患者是否屬于ad高危人群；

6、s4、對于初步評估為ad高危的目標(biāo)患者，在啟動急救綠色通道的同時，進(jìn)行四肢血壓的測量，并記錄產(chǎn)生的血壓數(shù)據(jù)；

7、s5、將目標(biāo)患者的血壓數(shù)據(jù)與預(yù)設(shè)閾值進(jìn)行比較，通過邏輯判斷，以確定目標(biāo)患者存在疑似ad的可能性；

8、s6、基于目標(biāo)患者的疑似ad可能性評估結(jié)果、臨床癥狀的嚴(yán)重程度以及醫(yī)療資源的可用性進(jìn)行優(yōu)先級分診。

9、在其中一個實施例中，步驟s2中，所述基于所述文本信息數(shù)據(jù)集，利用自然語言處理結(jié)合機(jī)器學(xué)習(xí)的特征提取與分類算法進(jìn)行風(fēng)險因子的識別，包括：

10、s21、基于所述文本信息數(shù)據(jù)集進(jìn)行文本預(yù)處理，得到預(yù)處理文本數(shù)據(jù)集；

11、s22、基于自然語言處理技術(shù)，通過句法分析結(jié)合語義標(biāo)注從所述預(yù)處理文本數(shù)據(jù)集中提取出與主動脈夾層風(fēng)險相關(guān)的關(guān)鍵特征；

12、s23、將所述關(guān)鍵特征輸入至基于聚類算法的無監(jiān)督機(jī)器學(xué)習(xí)模型中，通過訓(xùn)練該模型以識別與主動脈夾層相關(guān)的風(fēng)險因子。

13、在其中一個實施例中，步驟s22中，所述基于自然語言處理技術(shù)，通過句法分析結(jié)合語義標(biāo)注從所述預(yù)處理文本數(shù)據(jù)集中提取出與主動脈夾層風(fēng)險相關(guān)的關(guān)鍵特征，包括：

14、s221、基于句法分析器對所述預(yù)處理文本數(shù)據(jù)集進(jìn)行解析，得到句法樹；

15、s222、根據(jù)預(yù)訓(xùn)練的語義模型，對文本中的詞匯進(jìn)行語義標(biāo)注，得到語義標(biāo)注結(jié)果；

16、s223、基于所述句法樹、以及所述語義標(biāo)注結(jié)果構(gòu)建知識圖譜，并在知識圖譜中通過關(guān)系路徑分析，以提取出與主動脈夾層風(fēng)險相關(guān)的關(guān)鍵特征。

17、在其中一個實施例中，步驟s23中，所述將所述關(guān)鍵特征輸入至基于聚類算法的無監(jiān)督機(jī)器學(xué)習(xí)模型中，通過訓(xùn)練該模型以識別與主動脈夾層相關(guān)的風(fēng)險因子，包括：

18、s231、將所述關(guān)鍵特征輸入至基于聚類算法的無監(jiān)督機(jī)器學(xué)習(xí)模型中，通過k-means聚類算法對各項關(guān)鍵特征進(jìn)行聚類，以將相似特征歸為一類；

19、s232、針對最終分類得到的每一個聚類簇，基于聚類簇內(nèi)各項特征之間的相似性和關(guān)聯(lián)性，以確定潛在風(fēng)險因子；

20、s233、基于各項潛在風(fēng)險因子進(jìn)行基于醫(yī)學(xué)證據(jù)的驗證處理，以得到與主動脈夾層相關(guān)的風(fēng)險因子。

21、進(jìn)一步的，步驟s3中，所述通過相關(guān)性分析技術(shù)，計算風(fēng)險因子與主訴癥狀、以及首發(fā)癥狀之間的關(guān)聯(lián)，包括：

22、s31、獲取與風(fēng)險因子、主訴癥狀、以及首發(fā)癥狀相關(guān)的統(tǒng)計數(shù)據(jù)；

23、s32、對所述統(tǒng)計數(shù)據(jù)進(jìn)行量化，得到可用于統(tǒng)計分析的標(biāo)準(zhǔn)化數(shù)值；

24、s33、基于所述標(biāo)準(zhǔn)化數(shù)值，分別計算風(fēng)險因子與主訴癥狀、以及首發(fā)癥狀之間相關(guān)性系數(shù)；

25、s34、基于所得的兩項相關(guān)系數(shù)，通過顯著性檢驗和效應(yīng)量的評估，以得到風(fēng)險因子與主訴癥狀、以及首發(fā)癥狀之間的關(guān)聯(lián)程度。

26、進(jìn)一步的，步驟s5中，將目標(biāo)患者的血壓數(shù)據(jù)與預(yù)設(shè)閾值進(jìn)行比較，通過邏輯判斷，以確定目標(biāo)患者存在疑似ad的可能性，包括：

27、s51、獲取目標(biāo)患者的血壓數(shù)據(jù)，并基于大規(guī)模臨床數(shù)據(jù)庫的數(shù)據(jù)挖掘分析，以設(shè)定與ad風(fēng)險相關(guān)的血壓閾值范圍；

28、s52、在確定所述血壓數(shù)據(jù)落入血壓閾值范圍時，基于風(fēng)險評估模型計算目標(biāo)患者存在疑似ad的可能性。

29、進(jìn)一步的，步驟s6中，所述基于目標(biāo)患者的疑似ad可能性評估結(jié)果、臨床癥狀的嚴(yán)重程度以及醫(yī)療資源的可用性進(jìn)行優(yōu)先級分診，包括：

30、s61、根據(jù)所述疑似ad可能性評估結(jié)果，將目標(biāo)患者劃分為不同的風(fēng)險等級；

31、s62、按照所述風(fēng)險等級，綜合考量臨床癥狀的嚴(yán)重程度以及醫(yī)療資源的可用性，根據(jù)綜合評估結(jié)果進(jìn)行優(yōu)先級分診。

32、第二方面，本技術(shù)公開了一種用于主動脈夾層快速篩查與分診的智能系統(tǒng)，所述系統(tǒng)包括患者信息收集模塊、特征提取與分類模塊、關(guān)聯(lián)分析模塊、血壓測量與記錄模塊、疑似ad判斷模塊、以及優(yōu)先級分診模塊，其中：

33、所述患者信息收集模塊，用于收集示意主訴癥狀、首發(fā)癥狀、既往病史、以及高危體征的文本信息數(shù)據(jù)集；

34、所述特征提取與分類模塊，用于基于所述文本信息數(shù)據(jù)集，利用自然語言處理結(jié)合機(jī)器學(xué)習(xí)的特征提取與分類算法進(jìn)行風(fēng)險因子的識別；

35、所述關(guān)聯(lián)分析模塊，用于通過相關(guān)性分析技術(shù)，計算風(fēng)險因子與主訴癥狀、以及首發(fā)癥狀之間的關(guān)聯(lián)，并根據(jù)關(guān)聯(lián)強(qiáng)度通過設(shè)定閾值以初步評估患者是否屬于ad高危人群；

36、所述血壓測量與記錄模塊，用于對于初步評估為ad高危的目標(biāo)患者，在啟動急救綠色通道的同時，進(jìn)行四肢血壓的測量，并記錄產(chǎn)生的血壓數(shù)據(jù)；

37、所述疑似ad判斷模塊，用于將目標(biāo)患者的血壓數(shù)據(jù)與預(yù)設(shè)閾值進(jìn)行比較，通過邏輯判斷，以確定目標(biāo)患者存在疑似ad的可能性；

38、所述優(yōu)先級分診模塊，用于基于目標(biāo)患者的疑似ad可能性評估結(jié)果、臨床癥狀的嚴(yán)重程度以及醫(yī)療資源的可用性進(jìn)行優(yōu)先級分診。

39、第三方面，本技術(shù)公開了一種計算機(jī)可讀存儲介質(zhì)，存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時，實現(xiàn)所述的用于主動脈夾層快速篩查與分診的智能方法。

40、第四方面，本技術(shù)公開了一種用于主動脈夾層快速篩查與分診的智能計算控制設(shè)備，包括通信接口、存儲器、通信總線和處理器，其中，所述處理器、通信接口和存儲器通過所述通信總線完成相互間的通信；

41、所述存儲器，用于存放計算機(jī)程序；

42、所述處理器，用于執(zhí)行所述存儲器上所存放的程序時，實現(xiàn)所述的用于主動脈夾層快速篩查與分診的智能方法的步驟。

43、本發(fā)明具有如下有益效果：

44、1)利用自然語言處理與機(jī)器學(xué)習(xí)算法進(jìn)行特征提取與分類，能夠自動、高效地識別出與主動脈夾層(ad)相關(guān)的風(fēng)險因子，減少了人工判斷的誤差和主觀性；

45、2)通過相關(guān)性分析技術(shù)量化風(fēng)險因子與癥狀之間的關(guān)聯(lián)強(qiáng)度，并設(shè)定閾值進(jìn)行初步評估，能夠快速篩選出ad高危人群，提高了診斷的效率和準(zhǔn)確性；

46、3)基于疑似ad可能性評估結(jié)果、臨床癥狀的嚴(yán)重程度以及醫(yī)療資源的可用性，進(jìn)行優(yōu)先級分診，確保了醫(yī)療資源能夠得到有效利用，提高了醫(yī)療服務(wù)的整體效率和質(zhì)量。