一种吞咽障碍筛查系统及筛查方法

技术领域

本发明涉及吞咽障碍筛查技术领域，具体为一种吞咽障碍筛查系统及筛查方法。

背景技术

吞咽障碍指由多种原因引起的、发生于不同部位的吞咽时咽下困难。吞咽障碍可影响摄食及营养吸收，还可导致食物误吸入气管引发吸入性肺炎，严重者可危及生命。应查找引起吞咽困难的原发疾病，针对病因治疗。康复训练是改善神经性吞咽障碍的必要措施。

在申请号为202310921553X的中国发明专利中，公开了一种基于吞咽振动信号分析的吞咽障碍自动诊断系统，包括：无线传感器、智能服务云平台和用户端：无线传感器用于采集被测者吞咽振动信号并转换成电信号，然后通过无线通信技术传输到智能服务云平台：智能服务云平台用于接收并分析、处理吞咽振动信号数据，给出吞明振动信号分类诊断结果并发送至用户端；用户端用于控制和管理无线传感器，展示吞咽振动信号分析报告。

在以上申请中，提供了完整的吞咽障碍快速、无创、远程、智能筛查和风险评估解决方案，解决了家庭、社区及偏远地区患者缺乏吞咽障碍有效评估工具和专业人员指导的难题。

但是以上现有的方案中，在对患者吞咽障碍进行筛查时，主要是获取吞咽震动信号，并对其进行分析，进而快速的对吞咽障碍进行评估，但是由于震动信号来源复杂，又容易受到干扰，若只对其进行分析的话，会导致分析结果的客观性和可供参考性均有所不足，而同时，在完成筛查后也不能快速的给出相应的应对方案，这又导致在完成筛查后难以取得所预想的筛查效果。

为此，本发明提供了一种吞咽障碍筛查系统及筛查方法。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供了一种吞咽障碍筛查系统及筛查方法，通过建立患者的吞咽动作模型，并建立吞咽差异集合，由吞咽差异集合生成吞咽异常系数；进行吞咽测试并生成测试数据集合，在对测试数据集合内的数据进行关联处理后，获取吞咽障碍系数；获取各项病症对吞咽障碍的影响程度；在对患者进行检查，并获取患者当前与吞咽障碍相对应的病症特征后，从知识图谱中检索和匹配与其相应的应对方案，构建干预方案库；对干预方案库内的应对方案进行仿真分析，生成效果评价系数，以其筛选出最佳应对方案；从而解决了背景技术中提出的，现有的筛查方法在使用时，客观性和可供参考性均有所不足，在完成筛查后也不能快速的给出相应的应对方案，又导致在完成筛查后难以取得所预想的筛查效果的技术问题。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种吞咽障碍筛查方法，包括如下：由所获取的患者吞咽图像建立患者的吞咽动作模型，将其与相应的标准模型进行对比后，依据两者的差异性获取相应的差异程度，并建立吞咽差异集合，由吞咽差异集合生成吞咽异常系数Ty(n,C)，以此判断患者是否可能存在吞咽障碍；包括：由吞咽差异集合生成患者在处于吞咽过程时的吞咽异常系数Ty(n,C)，其具体方式如下：

其中，参数意义为：n为大于1的正整数，

接收第一预警信息，引导患者进行吞咽测试，由该吞咽测试结果生成测试数据集合；在对测试数据集合内的数据进行关联处理后，获取吞咽障碍系数Ha(s,p,b)，以此对患者的吞咽障碍程度形成评估，若所获取的吞咽障碍系数Ha(s,p,b)超过相应的障碍阈值，则发出第二预警信息；

接收到第二预警信息后，依据历史数据建立患者病例信息集合，在进行回归分析后，获取各项病症对吞咽障碍的影响程度，并据此判断患者当前病症的影响度Y(x,d)，若患者的影响度Y(x,d)小于预期，向外部发出第三预警信息；

接收到第三预警信息后，通过训练后的网络表示学习模型建立图谱数据集合，并进而建立关于吞咽障碍的知识图谱，在对患者进行检查，并获取患者当前与吞咽障碍相对应的病症特征后，从知识图谱中检索和匹配与其相应的应对方案，汇总后构建干预方案库；

建立患者的病症数字孪生模型，以其对干预方案库内的应对方案进行仿真分析，并获取相应的分析结果，由分析结果中的数据再次建立吞咽障碍系数Ha(s,p,b)及吞咽异常系数Ty(n,C)，并由该两者关联生成效果评价系数Lp(H,T)，依据效果评价系数Lp(H,T)的值，筛选最佳应对方案作为参考治疗方案输出。

进一步的，在预计患者存在吞咽障碍时，预先获取患者连续的若干个吞咽图像，将以上吞咽图像汇总后，建立第一吞咽图像库，并在第一吞咽图像库中抽取图像，结合基于深度学习的三维重建算法，建立患者的吞咽动作模型；

在将患者吞咽动作模型与标准吞咽动作模型的规格调整一致后，将两者重叠并使其均处于吞咽状态，通过重叠后的吞咽动作模型，判断两者在执行吞咽动作时的不同步位置，获取不同步位置的数量及其幅度，将该不同步的幅度确定为差异幅度Cy；在该若干不同步位置处设置参考点，对各个参考点进行编号，在设置归属于各个参考点的差异幅度的标准值后，将各个参考点的差异幅度Cy汇总，建立吞咽差异集合。

进一步的，引导患者进行吞咽测试，并对吞咽测试的结果进行记录，由记录结果生成测试数据集合；其中，测试数据集合的生成方式如下：

在患者进行吞咽测试时，获取患者每次吞咽时耗费的总时长，生成吞咽时长Ts；在患者的吞咽动作模型上选择若干个参考点，在患者执行吞咽动作时，获取该若干个参考点的偏移距离，生成吞咽偏移Tp；

对患者吞咽的过程及状态进行记录，在设置参考值后，对患者过程是否产生异常进行对比和判断，若产生异常，则获取产生吞咽异常的持续时长，生成异常时长Tb；将所获取的若干个吞咽时长Ts、吞咽偏移Tp及异常时长Tb汇总后，生成测试数据集合。

进一步的，由测试数据集合生成吞咽障碍系数Ha(s,p,b)，其具体的生成方式如下：

将吞咽时长Ts、吞咽偏移Tp及异常时长Tb做线性归一化处理后，将对应的数据值映射至区间

其中，

若是所获取的吞咽障碍系数Ha(s,p,b)超过障碍阈值，向外部发出第二预警信息。

进一步的，从历史数据中查询获取具有吞咽障碍患者的病例信息，并从该患者的病例中查询获取该患者其他的病症，汇总后建立患者病例信息集合；从病例信息集合中抽取数据，做多重线性回归分析，判断各项病症对吞咽障碍严重程度的影响系数，将各项病症及相应的影响系汇总后，建立病症的影响因素库；

查询当前患者的除吞咽障碍之外的其他病症，以其他该病症作为检索词，在影响因素库中匹配出相应的影响系数，生成影响系数集合；由影响系数集合生成影响度Y(x,d)，其具体方式如下：

其中，参数意义为：n为大于1的正整数，

进一步的，接收到第三预警信息后，使用网络表示学习算法，从公开网络上选择数据样本并在经过训练和测试后，构建及输出网络表示学习模型，以吞咽障碍及其相关词作为检索词，依据网络表示学习模型从公开渠道检索并采集数据，汇总形成图谱数据集合；

使用神经网络学习算法，从图谱数据集合中抽取数据作为样本数据，使用所述样本数据对模型经过训练和测试后，完成语义网络模型的构建，通过语义网络模型从图谱数据集合中抽取数据，经过处理后，完成知识图谱的构建。

进一步的，在接收到第三预警信息后，生成检查指令，对患者当前的与吞咽障碍相关的症状进行检查，对获取的患者检查结果进行识别，获取患者吞咽障碍的病症特征，并在设置吞咽障碍的标准特征后，设置标准特征库；

从知识图谱中检索和匹配与标准特征相应的应对方案，汇集合形成应对方案库；若患者当前的病症特征与标准特征的相似度达到预定比例，则将其作为标准特征；依据标准特征与应对方案的对应性，从应对方案库中匹配出一个或者多个相应的应对方案，将所有的应对方案汇总，构建干预方案库。

进一步的，依据病症特征、身体条件参数、年龄、性别及其所处环境条件，使用神经网络模型，在训练和测试后，建立患者病症数字孪生模型；以患者病症数字孪生模型对干预方案库内的应对方案进行仿真分析；

通过患者病症数字孪生模型模拟患者的吞咽过程，并获取模拟结果，汇总后建立模拟结果集合；在模拟结果集合中抽取对应的参数，再次获取若干个模拟周期结束时的吞咽障碍系数Ha(s,p,b)及吞咽异常系数Ty(n,C)。

进一步的，由与各个应对方案相对的吞咽障碍系数Ha(s,p,b)及吞咽异常系数Ty(n,C)关联生成效果评价系数Lp(H,T)，其中具体的生成方式如下：

其中，

其中，n为吞咽障碍系数Ha(s,p,b)及吞咽异常系数Ty(n,C)的个数，是大于1的正整数，

一种吞咽障碍筛查系统，包括：

对比单元、建立患者的吞咽动作模型，将其与相应的标准模型进行对比后，依据两者的差异性获取相应的差异程度，并建立吞咽差异集合，由吞咽差异集合生成吞咽异常系数；

测试单元、进行吞咽测试并生成测试数据集合，在对测试数据集合内的数据进行关联处理后，获取吞咽障碍系数，若其超过相应的障碍阈值，发出第二预警信息；

分析单元、依据历史数据建立患者病例信息集合，在进行回归分析后，获取各项病症对吞咽障碍的影响程度，并据此判断患者当前病症的影响度；

匹配单元、建立关于吞咽障碍的知识图谱，在对患者进行检查，并获取患者当前与吞咽障碍相对应的病症特征后，从知识图谱中检索和匹配与其相应的应对方案，构建干预方案库；

筛选单元、对干预方案库内的应对方案进行仿真分析，由分析结果中的数据关联生成效果评价系数，以其筛选出最佳应对方案作为参考治疗方案输出。

（三）有益效果

本发明提供了一种吞咽障碍筛查系统及筛查方法，具备以下有益效果：

1、预测出患者当前存在吞咽异常时，引导患者进行吞咽测试，在汇总测试结果后生成吞咽障碍系数Ha(s,p,b)，以吞咽障碍系数Ha(s,p,b)对患者当前吞咽障碍的严重程度进行判断，而通过若干次测试，并将若干个结果汇总，在对患者当前是否存在吞咽障碍进行判断时，更具有客观性和参考性，便于及时对患者进行治疗，确保患者的健康。

2、对患者当前存在的吞咽障碍的原因进行溯源，通过对历史数据进行多重线性回归分析，获取各项病症对吞咽障碍的影响因素，生成影响度Y(x,d)，对患者当前吞咽障碍的病因进行初步判断，完成对吞咽障碍进行筛查，在对患者进行吞咽筛查以数据分析和简单测试为主，相对于常规的筛查方式，效率更高，而错误率则更低。

3、建立关于吞咽障碍的知识图谱，对患者的吞咽障碍完成初步的问询和检查后，识别获取患者当前的吞咽障碍的病症特征，依据知识图谱为患者匹配出对应的应对方案，在完成筛查后，快速的给出相应的应对方案，在需要对该治疗方案进行治疗时作为参考，提高治疗的效率，并对筛查的成果形成保障。

4、建立患者病症数字孪生模型，以患者病症数字孪生模型对应对方案进行仿真分析，并由分析结果再次生成吞咽障碍系数Ha(s,p,b)及吞咽异常系数Ty(n,C)，并进而关联生成效果评价系数Lp(H,T)，以生成的效果评价系数Lp(H,T)对若干个应对方案进行筛选，确定出其中最佳的应对方案，验证方案的有效性，将其作为参考方案，从而在完成对吞咽障碍的筛查后，减少制定治疗方案的过程，降低错误率，提高治疗的效率，对患者的健康形成保障。

附图说明

图1为本发明吞咽障碍筛查方法流程示意图；

图2为本发明吞咽障碍筛查系统结构示意图。

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。

请参阅图1，本发明提供一种吞咽障碍筛查方法，包括如下步骤：

步骤一、由所获取的患者吞咽图像建立患者的吞咽动作模型，将其与相应的标准模型进行对比后，依据两者的差异性获取相应的差异程度，并建立吞咽差异集合，由吞咽差异集合生成吞咽异常系数Ty(n,C)，以此判断患者是否可能存在吞咽障碍；

所述步骤一包括如下内容：

步骤101、在预计患者存在吞咽障碍时，预先获取患者连续的若干个吞咽图像，例如，获取患者吞咽固体实物的图像，将以上吞咽图像汇总后，建立第一吞咽图像库，并在第一吞咽图像库中抽取图像，结合基于深度学习的三维重建算法，建立患者的吞咽动作模型；

步骤102、在将患者吞咽动作模型与无病症正常人的标准吞咽动作模型的规格调整一致后，将两者重叠并使其均处于吞咽状态，通过重叠后的吞咽动作模型，判断两者在执行吞咽动作时的不同步位置，获取不同步位置的数量及其幅度，将该不同步的幅度确定为差异幅度Cy；

在该若干不同步位置处设置参考点，对各个参考点进行编号，在设置归属于各个参考点的差异幅度的标准值后，将各个参考点的差异幅度Cy汇总，建立吞咽差异集合；

步骤103、由吞咽差异集合生成患者在处于吞咽过程时的吞咽异常系数Ty(n,C)，其具体方式如下：

其中，参数意义为：n为大于1的正整数，

依据历史数据及病患的判断标准，预先设置异常阈值，若吞咽异常系数Ty(n,C)超过对应的异常阈值，说明患者当前可能存在吞咽障碍，此时，需要向外部发出第一预警信息，以便于可以做进一步的处理或验证；

使用时，结合步骤101至103中的内容：

在对患者的吞咽障碍进行检查前，先对患者是否存在吞咽障碍进行估算，包括，通过建立吞咽动作模型，据此获患者当前吞咽状态与标准过程的差异性，在量化及加总后生成吞咽异常系数Ty(n,C)；此时，能够依据吞咽异常系数Ty(n,C)的值，对患者当前是否存在吞咽障碍进行判断，如果当前可能存在异常，则需要对患者发出警示，提醒患者进行处理，从而实现对患者的健康形成预警；

步骤二、接收第一预警信息，引导患者进行吞咽测试，由该吞咽测试结果生成测试数据集合；在对测试数据集合内的数据进行关联处理后，获取吞咽障碍系数Ha(s,p,b)，以此对患者的吞咽障碍程度形成评估，若所获取的吞咽障碍系数Ha(s,p,b)超过相应的障碍阈值，则发出第二预警信息；

所述步骤二包括如下内容：

步骤201、在接收到第一预警信息的条件下，并在设置测试标准后，引导患者进行吞咽测试，并对吞咽测试的结果进行记录，由记录结果生成测试数据集合；其中，测试数据集合的生成方式如下：

在患者进行吞咽测试时，获取患者每次吞咽时耗费的总时长，生成吞咽时长Ts；在患者的吞咽动作模型上选择若干个参考点，在患者执行吞咽动作时，获取该若干个参考点的偏移距离，生成吞咽偏移Tp；

对患者吞咽的过程及状态进行记录，在设置参考值后，对患者过程是否产生异常进行对比和判断，若产生异常，则获取产生吞咽异常的持续时长，生成异常时长Tb；

将所获取的若干个吞咽时长Ts、吞咽偏移Tp及异常时长Tb汇总后，生成测试数据集合；

步骤202、由测试数据集合生成吞咽障碍系数Ha(s,p,b)，其具体的生成方式如下：

将吞咽时长Ts、吞咽偏移Tp及异常时长Tb做线性归一化处理后，将对应的数据值映射至区间

其中，

在使患者保持健康的条件下，依据历史数据设置障碍阈值，从而，若是所获取的吞咽障碍系数Ha(s,p,b)超过障碍阈值时，则说明患者当前确实存在一定的吞咽障碍，此时，向外部发出第二预警信息；

使用时，结合步骤201及202中的内容：

在通过预先估计，预测出患者当前存在吞咽异常，也即可能存在吞咽障碍时，引导患者进行吞咽测试，在汇总测试结果后生成吞咽障碍系数Ha(s,p,b)，以吞咽障碍系数Ha(s,p,b)对患者当前吞咽障碍的严重程度进行判断，而通过若干次测试，并将若干个结果汇总，在对患者当前是否存在吞咽障碍进行判断时，相对来说，也更具有客观性和参考性；而通过向外部发出第二预警信息，也便于及时对患者进行治疗，确保患者的健康。

步骤三、接收到第二预警信息后，依据历史数据建立患者病例信息集合，在进行回归分析后，获取各项病症对吞咽障碍的影响程度，并据此判断患者当前病症的影响度Y(x,d)，若患者的影响度Y(x,d)小于预期，向外部发出第三预警信息；

所述步骤三包括如下内容：

步骤301、在接收到第二预警信息时，需要对导致患者产生吞咽障碍的病因进行溯源，此时，从历史数据中查询获取具有吞咽障碍患者的病例信息，并从该患者的病例中查询获取该患者其他的病症，汇总后建立患者病例信息集合；

步骤302、在患者具有其他病症时，从病例信息集合中抽取数据，做多重线性回归分析，判断各项病症对吞咽障碍严重程度的影响系数，将各项病症及相应的影响系数汇总后，建立病症的影响因素库；

查询当前患者的除吞咽障碍之外的其他病症，以其他该病症作为检索词，在影响因素库中匹配出相应的影响系数，生成影响系数集合；

步骤303、由影响系数集合生成影响度Y(x,d)，其具体方式如下：

其中，参数意义为：n为大于1的正整数，

在设置标准值并以其作为影响度阈值后，若获取的影响度Y(x,d)不超过预设的影响度阈值，向外部发出第三预警信息；此时，通常可以说明，患者当前的吞咽障碍并非外部条件引发的，例如：神经肌肉疾病：如脑卒中、脑外伤等；吞咽通道相关疾病：包括肿瘤、口腔癌、口咽癌、食管癌、喉癌以及食管炎、胃食管反流病等食管疾病等；其他原因：如咽肌麻痹、咽肌痉挛、重症肌无力等；

咽肌麻痹可能在机体出现脑炎、听神经瘤等疾病时发生，表现为鼻咽不能闭合，吞咽机能受到影响，在进食流质食物时，很容易反流至鼻腔，从而发生吞咽障碍；

咽肌痉挛是中枢脑干病变所致的疾病，可局限于一处或者在几个部位同时发生，大部分患者表现为强直性痉挛或者是节律性痉挛，典型症状为吞咽障碍。重症肌无力是一种自身免疫性疾病，其发病原因是机体免疫系统发生紊乱，常见的症状为上睑下垂、双眼复视，随着病情进一步发展，可出现咽喉肌、四肢肌肉无力，而表现为吞咽障碍。

因此，在进行治疗时，需要考虑以吞咽障碍以目标进行针对性的治疗，提高治疗效果；

使用时，结合步骤301至303中的内容：

接收到第二预警信息后，此时，在对吞咽障碍进行筛选时，对患者当前存在的吞咽障碍的原因进行溯源，而通过对历史数据进行多重线性回归分析，获取各项病症对吞咽障碍的影响因素，并由此生成影响度Y(x,d)，从而对患者当前吞咽障碍的病因进行初步判断，此时，也完成对吞咽障碍进行筛查，此时，在对患者进行吞咽筛查以数据分析和简单测试为主，相对于常规的筛查方式，效率更高，而错误率则更低。

步骤四、接收到第三预警信息后，通过训练后的网络表示学习模型建立图谱数据集合，并进而建立关于吞咽障碍的知识图谱，在对患者进行检查，并获取患者当前与吞咽障碍相对应的病症特征后，从知识图谱中检索和匹配与其相应的应对方案，汇总后，构建干预方案库；

所述步骤四包括如下内容：

步骤401、接收到第三预警信息后，使用网络表示学习算法，从公开网络上选择数据样本并在经过训练和测试后，构建及输出网络表示学习模型，以吞咽障碍及其相关词作为检索词，依据网络表示学习模型从公开渠道检索并采集数据，汇总形成图谱数据集合；

步骤402、使用神经网络学习算法，从图谱数据集合中抽取数据作为样本数据，使用所述样本数据对模型经过训练和测试后，完成语义网络模型的构建，通过语义网络模型从图谱数据集合中抽取数据，经过处理后，完成知识图谱的构建；

步骤403、在接收到第三预警信息后，生成检查指令，对患者当前的与吞咽障碍相关的症状进行检查，包括：全身状态：涉及患者是否有发热、脱水、低营养、呼吸状态、体力、疾病稳定性等问题，另一方面也涉及患者的意识水平和配合程度；

口腔功能：包括观察患者口部开合、口唇闭锁、舌部运动、有无流涎、软聘上抬、吞咽反射、呕吐反射、牙齿状态、口腔卫生、构音、发声等；

吞咽功能：这部分涉及到饮水试验等评估方式，以了解患者的吞咽功能状况；

获取检查结果后，对获取的患者检查结果进行识别，获取患者吞咽障碍的病症特征，并在设置吞咽障碍的标准特征后，设置标准特征库；

步骤404、从知识图谱中检索和匹配与标准特征相应的应对方案，汇集合形成应对方案库；若患者当前的病症特征与标准特征的相似度达到预定比例，则将其作为标准特征；

依据标准特征与应对方案的对应性，从应对方案库中匹配出一个或者多个相应的应对方案，将所有的应对方案汇总，构建干预方案库；

使用时，结合步骤401至404中的内容：

在完成对患者吞咽障碍的筛查后，建立关于吞咽障碍的知识图谱，并在对患者的吞咽障碍完成初步的问询和检查后，识别获取患者当前的吞咽障碍的病症特征，此时，依据知识图谱为患者匹配出对应的应对方案，从而在完成筛查后，快速的给出相应的应对方案，从而在需要对该治疗方案进行治疗时作为参考，提高治疗的效率，从而对筛查的成果形成保障。

步骤五、建立患者的病症数字孪生模型，以其对干预方案库内的应对方案进行仿真分析，并获取相应的分析结果，由分析结果中的数据再次建立吞咽障碍系数Ha(s,p,b)及吞咽异常系数Ty(n,C)，并由该两者关联生成效果评价系数Lp(H,T)，依据效果评价系数Lp(H,T)的值，筛选最佳应对方案作为参考治疗方案输出；

所述步骤五包括如下内容：

步骤501、依据病症特征、身体条件参数、年龄、性别及其所处环境条件，使用神经网络模型，在训练和测试后，建立患者病症数字孪生模型；以患者病症数字孪生模型对干预方案库内的应对方案进行仿真分析，将应对方案转化为仿真模型中的参数，例如改变肌肉收缩速度、改变食道括约肌的开度等；

通过患者病症数字孪生模型模拟患者的吞咽过程，并获取模拟结果；例如，吞咽时间、食物通过食管的时间、是否有异常等等，汇总后建立模拟结果集合；

在设置模拟周期后，例如，以一个治疗周期为一个模拟周期；在模拟结果集合中抽取对应的参数，再次获取若干个模拟周期结束时的吞咽障碍系数Ha(s,p,b)及吞咽异常系数Ty(n,C)，例如：吞咽障碍系数

步骤502、由与各个应对方案相对的吞咽障碍系数Ha(s,p,b)及吞咽异常系数Ty(n,C)关联生成效果评价系数Lp(H,T)，其中具体的生成方式如下：

其中，

其中，n为吞咽障碍系数Ha(s,p,b)及吞咽异常系数Ty(n,C)的个数，是大于1的正整数，

以效果评价系数Lp(H,T)对各个应对方案的效果进行评价，并对相对的应对方案进行标记，并以效果评价系数Lp(H,T)最高的应对方案作为参考治疗方案并输出。

使用时，结合步骤501及502中的内容：

在获取到若干个应对方案后，为了验证方案的有效性，建立患者病症数字孪生模型，以患者病症数字孪生模型对应对方案进行仿真分析，并由分析结果再次生成吞咽障碍系数Ha(s,p,b)及吞咽异常系数Ty(n,C)，并进而关联生成效果评价系数Lp(H,T)，此时，以生成的效果评价系数Lp(H,T)对若干个应对方案进行筛选，从而确定出其中最佳的应对方案，将其作为参考方案，从而在完成对吞咽障碍的筛查后，减少制定治疗方案的过程，降低错误率，提高治疗的效率，对患者的健康形成保障。

请参阅图2，本发明提供一种吞咽障碍筛查系统，包括：

对比单元、建立患者的吞咽动作模型，将其与相应的标准模型进行对比后，依据两者的差异性获取相应的差异程度，并建立吞咽差异集合，由吞咽差异集合生成吞咽异常系数；

测试单元、进行吞咽测试并生成测试数据集合，在对测试数据集合内的数据进行关联处理后，获取吞咽障碍系数，若其超过相应的障碍阈值，发出第二预警信息；

分析单元、依据历史数据建立患者病例信息集合，在进行回归分析后，获取各项病症对吞咽障碍的影响程度，并据此判断患者当前病症的影响度；

匹配单元、建立关于吞咽障碍的知识图谱，在对患者进行检查，并获取患者当前与吞咽障碍相对应的病症特征后，从知识图谱中检索和匹配与其相应的应对方案，构建干预方案库；

筛选单元、对干预方案库内的应对方案进行仿真分析，由分析结果中的数据关联生成效果评价系数，以其筛选出最佳应对方案作为参考治疗方案输出。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。