本公開實施例是關于一種基于機器學習和人工智能的脊髓損傷康復數據庫構建方法，包括：基于脊髓損傷患者康復階段信息篩選入庫要素；根據預設的標準化處理模型對入庫要素進行標準化處理；基于詞向量訓練和機器學習，對標準化處理后的入庫要素進行模型訓練和整合，得到入庫字段模型；對醫學數據按照入庫要素進行人工智能化提取，得到預設格式文本的結構化的入庫數據；整合機器學習在線分析功能對脊髓損傷康復數據庫的數據進行分析。本實施例中，通過本申請的方法構建的康復數據庫可提升臨床數據收集規范性，構建方法更加智能化，更加高效，可節省大量人力。為國內康復專科臨床數據庫的構建提供經驗，同時也為改善臨床治療及護理措施提供大數據基礎。理措施提供大數據基礎。理措施提供大數據基礎。
【技術實現步驟摘要】
基于機器學習和人工智能的脊髓損傷康復數據庫構建方法
[0001]本公開實施例涉及醫學數據庫構建
，尤其涉及一種基于機器學習和人工智能的脊髓損傷康復數據庫構建方法及系統。
技術介紹
[0002]脊髓損傷患者具有康復周期長、并發癥多、康復預后效果參差不齊等特點。隨著康復醫學的發展，患者康復效果已有大幅度提升，但仍有一系列問題尚無明確答案，比如：脊髓損傷患者泌尿系感染、神經病理性疼痛的危險因素有哪些；患者康復預后的精準評估模型是什么；針對脊髓損傷患者的康復評估與治療手段眾多，患者住院過程中會產生大量的臨床數據，如病史信息、體格檢查、康復評估、影像學資料、電生理指標、實驗室檢查及康復技術和藥物應用等，這些臨床數據與患者并發癥的出現及康復預后可能存在潛在的相關性。
[0003]然而，目前國內卻罕有專門的脊髓損傷康復醫學數據庫來收集整理數據。既往紙質版CRF表(Case Report Form，病例報告表)錄入的方法效率低下，導致患者大量的臨床資料遺失不全，不能有效用于臨床指導。因此，有必要改善上述相關技術方案中存在的一個或者多個問題。
[0004]需要注意的是，本部分旨在為權利要求書中陳述的本公開的技術方案提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。
技術實現思路
[0005]本公開實施例的目的在于提供一種基于機器學習和人工智能的脊髓損傷康復數據庫構建方法及系統，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的一個或者多個問題。
[0006]本公開實施例首先提供一種基于機器學習和人工智能的脊髓損傷康復數據庫構建方法，包括以下步驟：
[0007]步驟100，基于脊髓損傷患者康復階段的一般信息、臨床診療信息、康復評估信息、康復治療信息以及康復專科護理信息篩選入庫要素；
[0008]步驟200，根據預設的標準化處理模型對所述入庫要素進行標準化處理；
[0009]步驟300，基于詞向量訓練和機器學習，對標準化處理后的入庫要素進行模型訓練，將訓練后的數據進行整合，得到入庫字段模型；
[0010]步驟400，對醫學數據按照入庫要素按照所述入庫字段模型進行人工智能化提取，得到預設格式文本的結構化的入庫數據，其中，所述醫學數據包括文字、圖片、音頻和視頻信息；
[0011]步驟500，整合機器學習在線分析功能對所述脊髓損傷康復數據庫的數據進行分析，為脊髓損傷康復患者精準評估、預后判斷和個體化康復方案制定提供依據，其中，所述機器學習在線分析功能包括：線性回歸分析、邏輯回歸分析、決策樹分析、向量機分析和貝
葉斯分類分析。
[0012]本公開的一實施例中，所述一般信息包括：患者的性別、年齡、民族、出生年月、學歷、患者ID號、住院病歷號、患者就診記錄、入院時間以及出院時間；
[0013]所述臨床診療信息包括：既往病史、體格檢查、實驗室檢查、影像學檢查、并發癥、合并癥以及藥物應用信息；
[0014]所述康復評估信息包括：功能評估、神經電生理評估以及功能影像學評估；
[0015]所述康復治療信息包括：物理治療、作業治療、心理治療和無創神經調控治療。
[0016]本公開的一實施例中，所述步驟S200包括：
[0017]步驟S201，將非標準格式的所述入庫要素按照所述標準化處理模型轉化為自定義格式的入庫要素；
[0018]步驟S202，將所述自定義格式的入庫要素進行去噪和歸一化處理。
[0019]本公開的一實施例中，所述標準化處理模型包括：為各入庫要素設置的數據填寫標準格式和標準閾值。
[0020]本公開的一實施例中，所述步驟S300包括：
[0021]步驟S301，通過詞向量訓練和機器學習，建立入庫要素模型；
[0022]步驟S302，利用所述入庫要素模型對所述標準化處理后的入庫要素進行訓練；
[0023]步驟S303，對訓練后的數據進行分類整合，得到入庫字段模型。
[0024]本公開的一實施例中，在所述步驟S400中，當所述醫學數據為圖片、音頻或視頻信息時，利用人工智能圖片識別算法或語音轉化工具將其轉化為文字信息。
[0025]本公開的一實施例中，所述構建方法還包括：
[0026]步驟600，根據隨訪設定條件向患者發送隨訪請求，獲取并錄入患者存活、生活質量信息。
[0027]本公開的一實施例中，所述構建方法還包括：
[0028]步驟700，對數據庫的數據填寫情況進行檢測以得到所述數據庫的數據完整度。
[0029]本公開的一實施例中，所述構建方法還包括：
[0030]步驟800，對所述脊髓損傷康復數據庫的信息進行數據監控，并判斷數據信息是否在預設數據范圍內；
[0031]步驟900，對超過所述預設數據范圍的所述數據信息進行預警。
[0032]本公開實施例其次提供一種基于機器學習和人工智能的脊髓損傷康復數據庫構建系統，所述構建系統包括：
[0033]入庫要素篩選模塊，用于基于脊髓損傷患者康復階段的一般信息、臨床診療信息、康復評估信息、康復治療信息以及康復專科護理信息篩選入庫要素；
[0034]標準化處理模塊，用于根據預設的標準化處理模型對所述入庫要素進行標準化處理；
[0035]入庫字段獲取模塊，用于基于詞向量訓練和機器學習，對標準化處理后的入庫要素進行模型訓練，將訓練后的數據進行整合，得到入庫字段模型；
[0036]入庫數據獲取模塊，用于對醫學數據按照入庫要素按照所述入庫字段模型進行人工智能化提取，得到預設格式文本的結構化的入庫數據，其中，所述醫學數據包括文字、圖片、音頻和視頻信息；
[0037]在線分析模塊，用于整合機器學習在線分析功能對所述脊髓損傷康復數據庫的數據進行分析，為脊髓損傷康復患者精準評估、預后判斷和個體化康復方案制定提供依據，其中，所述機器學習在線分析功能包括：線性回歸分析、邏輯回歸分析、決策樹分析、向量機分析和貝葉斯分類分析；
[0038]數據庫概略顯示模塊，用于將所述數據庫的各類數據進行統計后以多種圖表樣式進行顯示。
[0039]本公開的實施例提供的技術方案可以包括以下有益效果：
[0040]本公開實施例中的基于機器學習和人工智能的脊髓損傷康復數據庫構建方法及系統，通過對脊髓損傷患者康復階段的所有醫學信息進行篩選得到入庫要素，對康復患者的臨床數據進行全程收集，可以保證數據庫信息的全面性，為數據庫的建立和應用提供數據來源；通過對入庫要素進行標準化處理使各入庫要素具有統一的評判標準，確保數據的一致性和規范性，使數據錄入更加快捷高效；采用機器學習對入庫要素進行模型訓練和智能化提取，使數據錄入更加智能高效；對數據庫的數據進行分析，為脊髓損傷康復患者精準評估、預后判斷和個體化康復方案制定提供依據。通過本申請的方法構建的康復數據庫可以提升臨床數據收集規范性，構建方法更加智能化，更加高效，可節省大量人力。為國內康復專科臨床數據庫的構建本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種基于機器學習和人工智能的脊髓損傷康復數據庫構建方法，其特征在于，包括以下步驟：步驟100，基于脊髓損傷患者康復階段的一般信息、臨床診療信息、康復評估信息、康復治療信息以及康復專科護理信息篩選入庫要素；步驟200，根據預設的標準化處理模型對所述入庫要素進行標準化處理；步驟300，基于詞向量訓練和機器學習，對標準化處理后的入庫要素進行模型訓練，將訓練后的數據進行整合，得到入庫字段模型；步驟400，對醫學數據按照入庫要素按照所述入庫字段模型進行人工智能化提取，得到預設格式文本的結構化的入庫數據，其中，所述醫學數據包括文字、圖片、音頻和視頻信息；步驟500，整合機器學習在線分析功能對所述脊髓損傷康復數據庫的數據進行分析，為脊髓損傷康復患者精準評估、預后判斷和個體化康復方案制定提供依據，其中，所述機器學習在線分析功能包括：線性回歸分析、邏輯回歸分析、決策樹分析、向量機分析和貝葉斯分類分析。2.根據權利要求1所述基于機器學習和人工智能的脊髓損傷康復數據庫構建方法，其特征在于，所述一般信息包括：患者的性別、年齡、民族、出生年月、學歷、患者ID號、住院病歷號、患者就診記錄、入院時間以及出院時間；所述臨床診療信息包括：既往病史、體格檢查、實驗室檢查、影像學檢查、并發癥、合并癥以及藥物應用信息；所述康復評估信息包括：功能評估、神經電生理評估以及功能影像學評估；所述康復治療信息包括：物理治療、作業治療、心理治療和無創神經調控治療。3.根據權利要求1所述基于機器學習和人工智能的脊髓損傷康復數據庫構建方法，其特征在于，所述步驟S200包括：步驟S201，將非標準格式的所述入庫要素按照所述標準化處理模型轉化為自定義格式的入庫要素；步驟S202，將所述自定義格式的入庫要素進行去噪和歸一化處理。4.根據權利要求3所述基于機器學習和人工智能的脊髓損傷康復數據庫構建方法，其特征在于，所述標準化處理模型包括：為各入庫要素設置的數據填寫標準格式和標準閾值。5.根據權利要求1所述基于機器學習和人工智能的脊髓損傷康復數據庫構建方法，其特征在于，所述步驟S300包括：步驟S301，通過詞向量訓練和機器學習，建立入庫要素模型；步驟S302，利用所述入庫要素模型對所述標準化處理后的入庫要素進行訓練；步驟S303，...
【專利技術屬性】
技術研發人員：孫曉龍，袁華，龍華，梁英，趙詣林，吳相波，田飛，胡旭，
申請(專利權)人：中國人民解放軍空軍軍醫大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。