一种心脏术后患者围术期多器官功能障碍的诊断辅助系统

技术领域

本发明涉及医疗数据处理技术领域，更具体的说是涉及一种心脏术后患者围术期多器官功能障碍的诊断辅助系统。

背景技术

多器官功能障碍综合征(MODS)是指患者遭受严重急性疾病过程中，短时间内同时或相继出现两个或两个以上的器官功能障碍的临床综合征，在心脏手术后容易发生，对患者术后生存和恢复健康带来了极大挑战。

但是，MODS发病前各器官功能基本正常，或器官功能受损但处于相对稳定的生理状态；衰竭器官往往不是原发致病因素直接损害的器官，病理变化缺乏特异性，器官病理损伤和功能障碍程度不相一致，导致难以通过直接的临床检测得到MODS诊断结果。现有的MODS诊断过程往往需要临床医生对患者的多种临床检测结果进行综合分析，并结合患者术前的身体状况以及以往的MODS病例，基于临床医生的认知和经验来得到MODS诊断结果，诊断过程需要较长的时间，不利于及时诊断出患者患MODS风险或结果；而且临床医生处理多种临床检测结果和患者信息，存在遗漏风险导致诊断结果不准确。

因此，如何为临床医生的MODS诊断过程提供辅助，从而提高医生诊断的效率和诊断准确性，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种心脏术后患者围术期多器官功能障碍的诊断辅助系统，为临床医生对心脏手术后的MODS诊断提供辅助，以提高医生的诊断效率和诊断准确性。

为了实现上述目的，本发明提供如下技术方案：

本发明公开了一种心脏术后患者围术期多器官功能障碍的诊断辅助系统，包括：病例获取模块、存储模块、诊断辅助模块、客户端；

所述病例获取模块与所述存储模块连接，获取心脏手术后发生MODS的原始病例数据，数据整理后得到样本数据，并将所述原始病例数据和所述样本数据存储至所述存储模块；

所述诊断辅助模块分别与所述存储模块和所述客户端连接，包括器官功能障碍分析单元、病例参考单元；所述器官功能障碍分析单元基于所述样本数据训练随机森林模型，对所述客户端上传的生命体征数据进行识别，得到各器官功能障碍评分，并发送至对应的客户端；所述病例参考单元，根据患者个人信息和所述各器官功能障碍评分，识别所述样本数据中的相似病例，并发送至对应的客户端；

所述客户端为一个或多个，包括控制模块、显示模块和监测模块；所述监测模块对患者进行监测得到生命体征数据；所述控制模块将所述生命体征数据以及患者个人信息上传至所述诊断辅助模块，根据临床医生的命令控制所述显示模块显示生命体征数据、所述诊断辅助模块发送的各器官功能障碍评分以及相似病例。

进一步的，所述样本数据包括头部存储节点、普通存储节点以及尾部存储节点；

所述头部存储节点存储患者个人信息、以及节点指针，所述个人信息包括患者唯一身份信息、心脏手术类型、年龄、性别；

所述普通存储节点存储患者各时刻生命体征数据及各器官功能障碍评分、以及节点指针；

所述尾部存储节点存储患者MODS治疗记录；

多个所述普通存储节点根据时间先后进行排序，各普通存储节点的节点指针指向下一个普通存储节点，最后一个普通存储节点指针指向所述尾部存储节点，所述头部存储节点的节点指针指向第一个普通存储节点，构成样本链表。

进一步的，所述生命体征数据包括：患者呼吸频率、潮气量、残气量比肺总量、心率、P波振幅、P波时限、T波振幅、T波电轴、血氧指数、红细胞计数、血红蛋白指标、白细胞计数、白介素-6指标、C反应蛋白指标、测尿液ph值、尿蛋白、尿葡萄糖、尿胆红素。

进一步的，所述器官功能障碍分析单元，执行如下步骤：

步骤1：遍历所述样本数据，以存在器官功能障碍时刻的患者生命体征数据为特征数据、对应的器官功能障碍评分为标签数据，进行预处理得到训练样本；

步骤2：根据所述标签数据，将所述训练样本分为k个数据集，进一步得到对应的k个训练数据集和k个验证数据集；

步骤3：从一个训练数据集中有放回的随机选取样本得到n个训练数据子集；

步骤4：从每个训练数据子集中随机选取i个特征建立j个决策树，将该训练样本子集中的训练样本的i个特征输入决策树中得到评分结果，保留评分结果准确率大于阈值的决策树，并删除其余决策树；

步骤5：重复步骤4直至筛选出所有决策树，得到一个训练数据集的随机森林模型，并利用所述验证数据集进行验证；

步骤6：重复步骤3-5得到k个随机森林模型；

步骤7：对所述客户端上传的生命体征数据进行预处理，然后输入所述k个随机森林模型，得到各器官功能障碍评分。

进一步的，所述预处理包括数据清洗和数据归一化。

进一步的，所述病例参考单元，执行如下步骤：

步骤a：选取所述样本链表中的头部存储节点和关键存储节点，并根据时间顺序组成比较链表；

步骤b：以所述患者个人信息作为头部存储节点，以异常时的各器官功能障碍评分作为关键存储节点，按时间顺序组成判断链表；

步骤c：对所述比较链表和所述判断链表进行相似性计算得到相似值，根据所述相似值大小排序，推荐相似病例。

进一步的，所述步骤a中，关键存储节点通过遍历所述样本链表，并选取各器官功能障碍评分存在异常的普通存储节点得到。

进一步的，所述相似性计算包括：首先计算所述比较链表和所述判断链表对应节点的欧式距离d

进一步的，所述监测模块包括：呼吸监测单元、心电监测单元、血液监测单元、尿液监测单元；

所述呼吸监测单元，监测患者呼吸频率、潮气量、残气量比肺总量；

所述心电监测单元，检测患者的心率、P波振幅、P波时限、T波振幅、T波电轴；

所述血液监测单元，按设定时间间隔采集患者血样，并检测血氧指数、红细胞计数、血红蛋白测定指标、白细胞计数、白介素-6指标、C反应蛋白指标；

所述尿液监测单元，按设定时间间隔采集患者尿样，并检测尿液ph值、尿蛋白、尿葡萄糖、尿胆红素。

进一步的，所述客户端还包括报警模块，当所述诊断辅助模块发送的各器官功能障碍评分存在异常时，发出警报。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种心脏术后患者围术期多器官功能障碍的诊断辅助系统，通过对心脏手术后发生MODS的病例进行收集整理，并建立智能分析模型，对患者生命体征和各器官功能进行分析辅助诊断，在患者发生MODS前期发出警报及时诊断，能够有效提高临床医生的诊断效率，还能够根据患者当前的生命体征数据，为医生推荐相似的病例信息，帮助临床医生了解不同的MODS病程和治疗记录，从而提高诊断的准确性，并辅助临床医生更好地制定治疗方案，进而提高心脏手术患者术后围术期发生MODS的存活率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种心脏术后患者围术期多器官功能障碍的诊断辅助系统，如图1所示，包括：病例获取模块、存储模块、诊断辅助模块、客户端；

病例获取模块与存储模块连接，获取心脏手术后发生MODS的原始病例数据，例如，可以对各大医院数据库中存储的病例数据进行收集获取，也可以通过重症监护医疗信息集、eICU数据库等数据库收集获取，还可以对本发明系统客户端产生的数据进行收集整理，从而扩充病例数据；数据整理后得到样本数据，并将原始病例数据和样本数据存储至存储模块；

诊断辅助模块分别与存储模块和客户端连接，包括器官功能障碍分析单元、病例参考单元；器官功能障碍分析单元基于样本数据训练随机森林模型，对客户端上传的生命体征数据进行识别，得到各器官功能障碍评分，并发送至对应的客户端；病例参考单元，根据患者个人信息和各器官功能障碍评分，识别样本数据中的相似病例，并发送至对应的客户端；

客户端为一个或多个，包括控制模块、显示模块和监测模块；监测模块对患者进行监测得到生命体征数据；控制模块将生命体征数据以及患者个人信息上传至诊断辅助模块，根据临床医生的命令控制显示模块显示生命体征数据、诊断辅助模块发送的各器官功能障碍评分以及相似病例。

在一个具体的实施例中，样本数据包括头部存储节点、普通存储节点以及尾部存储节点；

头部存储节点存储患者个人信息、以及节点指针，个人信息包括患者唯一身份信息、心脏手术类型、年龄、性别；身份信息以身份证信息代表，也可以是系统分配的唯一信息；心脏手术类型包括：冠心病、瓣膜病、先天性心脏病、大血管疾病；年龄按具体年龄划分，也可以按年龄段划分。

普通存储节点存储患者各时刻生命体征数据及各器官功能障碍评分、以及节点指针；各器官功能障碍评分为基于原始病例数据的SOFA评分、Marshall MODS评分、Denver评分、APACHE II等评分进行整理，得到的包括呼吸系统、心血管、肾脏、肝脏、神经系统的评分。

尾部存储节点存储患者MODS治疗记录；

多个普通存储节点根据时间先后进行排序，各普通存储节点的节点指针指向下一个普通存储节点，最后一个普通存储节点指针指向尾部存储节点，头部存储节点的节点指针指向第一个普通存储节点，构成样本链表。

在一个具体的实施例中，生命体征数据包括：患者呼吸频率、潮气量、残气量比肺总量、心率、P波振幅、P波时限、T波振幅、T波电轴、血氧指数、红细胞计数、血红蛋白指标、白细胞计数、白介素-6指标、C反应蛋白指标、测尿液ph值、尿蛋白、尿葡萄糖、尿胆红素。

在一个具体的实施例中，器官功能障碍分析单元，执行如下步骤：

步骤1：遍历样本数据，以存在器官功能障碍时刻的患者生命体征数据为特征数据、对应的器官功能障碍评分为标签数据，进行预处理得到训练样本；

步骤2：根据标签数据，将训练样本分为k个数据集，进一步得到对应的k个训练数据集和k个验证数据集；

例如，器官功能障碍评分包含5种器官的功能障碍评分，每种器官评分为0、1、2、3分别表示器官功能正常、器官功能轻度度紊乱、器官功能中度紊乱、器官功能失效，则样本标签以器官名称+分数表示，例如，心脏+1，并以对应时刻普通节点存储的生命体征数据作为特征数据，得到一个训练样本；再根据器官名称进行训练样本分类，例如总共包含5种器官功能障碍评分，则k取值为5。

步骤3：从一个训练数据集中有放回的随机选取样本得到n个训练数据子集；例如，一个与心脏功能障碍评分相关的训练数据集中有N个训练样本，有放回的随机选取样本得到n个训练数据子集。

步骤4：从每个训练数据子集中随机选取i个特征建立j个决策树，将该训练样本子集中的训练样本的i个特征输入决策树中得到评分结果，保留评分结果准确率大于阈值的决策树，并删除其余决策树，从而从j个决策树中选出准确率较高的决策树；

步骤5：重复步骤4直至筛选出所有决策树，得到一个训练数据集的随机森林模型，并利用验证数据集进行验证，例如，该训练数据集与心脏功能障碍评分相关，则该随机森林模型即为心脏功能障碍评分随机森林模型；

步骤6：重复步骤3-5得到k个随机森林模型，从而对k种不同的器官功能障碍评分进行辅助分析判断；

步骤7：对客户端上传的生命体征数据进行预处理，然后输入k个随机森林模型，得到各器官功能障碍评分。

在一个具体的实施例中，预处理包括数据清洗和数据归一化，删除明显异常的数据、并根据缺失值上一时刻和下一时刻的数据平均值对缺失数据进行补充，最后进行数据归一化。

在一个具体的实施例中，病例参考单元，执行如下步骤：

步骤a：选取样本链表中的头部存储节点和关键存储节点，并根据时间顺序组成比较链表；

步骤b：以患者个人信息作为头部存储节点，以异常时的各器官功能障碍评分作为关键存储节点，按时间顺序组成判断链表；

步骤c：对比较链表和判断链表进行相似性计算得到相似值，根据相似值大小排序，推荐相似病例。

在一个具体的实施例中，步骤a中，关键存储节点通过遍历样本链表，并选取各器官功能障碍评分存在异常的普通存储节点得到，器官功能障碍评分不为0的评分均认为存在异常。

在一个具体的实施例中，相似性计算包括：首先计算比较链表和判断链表对应节点的欧式距离d

在一个具体的实施例中，监测模块包括：呼吸监测单元、心电监测单元、血液监测单元、尿液监测单元；

呼吸监测单元，监测患者呼吸频率、潮气量、残气量比肺总量；

心电监测单元，检测患者的心率、P波振幅、P波时限、T波振幅、T波电轴；

血液监测单元，按设定时间间隔采集患者血样，并检测血氧指数、红细胞计数、血红蛋白测定指标、白细胞计数、白介素-6指标、C反应蛋白指标；

尿液监测单元，按设定时间间隔采集患者尿样，并检测尿液ph值、尿蛋白、尿葡萄糖、尿胆红素。

在一个具体的实施例中，客户端还包括报警模块，当诊断辅助模块发送的各器官功能障碍评分存在异常时，发出警报。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。